论文摘要：支持向量机技术在图像识别和分类中的应用

计算机技术和图像技术飞速发展，使得数字图像处理和识别技术在许多领域发挥着越来越重要的作用。在医学领域，CT、B超、核磁共振等医学影像技术的应用极大的提高了医疗诊断的准确性，给人类健康带来福音。但这些技术的应用也有其负面影响：利用B超可检查胎儿的发育情况，同时也能鉴别胎儿性别，部分医生利用这一技术非法进行胎儿性别鉴定，进而进行选择性生育，这也是造成目前我国人口出生性别比例严重失衡的最直接、最重要的原因。本课题研究的目的就是利用图像处理和识别技术，对B超胎儿图像进行识别分类，进而对非法鉴别胎儿性别的行为进行监控。模式识别和图像分类由于其广泛的应用，是近年来的研究热点，研究方法除了传统的统计决策和结构模式识别外，神经网络、小波分析、模糊聚类、支持向量机方法等都图像识别和分类中研究的热点，而支持向量机（SVM）是目前最受关注的方法之一。本文利用支持向量机技术，设计分类器，对经过预处理的超声图像进行训练，选择合适的核函数和核参数，利用训练所得的分类器对未知图像进行分类鉴别，取得了较好的分类效果。由于原图像像素较多，运算量大，不能满足实时监控的要求，采用主成分分析（PCA）方法对原图像进行降维，提取图像特征，在此基础上训练分类器，大大提高了训练和测试速度，测试准确率也有所提高。实验结果表明，该方法对于超声图像分类问题是有效的，对于其他图像的识别和分类也具有借鉴意义。