基于SVM的食物圖像分類算法的研究.pdf

1、飲食是一種人類最重要的日?；顒?dòng)之一。人類日常活動(dòng)所需的能量完全依賴于每天所攝入的食物。隨著人生活水平的逐步提高，人不再滿足于能夠吃的飽，而是開(kāi)始追求吃的好，吃的健康。近年來(lái)，日益高漲的肥胖率，讓人越來(lái)越關(guān)注自己的飲食健康。所以針對(duì)食物圖像的識(shí)別算法研究具有非常重要的意義。
　　圖像識(shí)別是圖像研究領(lǐng)域的熱門(mén)話題，它廣泛應(yīng)用于人臉識(shí)別，計(jì)算機(jī)視覺(jué)，機(jī)器人等諸多領(lǐng)域。但是縱觀國(guó)內(nèi)近期關(guān)于圖像識(shí)別的研究成果，鮮有關(guān)于食物圖像的圖像識(shí)別研究

2、。食物圖像背景復(fù)雜，圖像特征復(fù)雜，對(duì)食物圖像識(shí)別造成了很大的困難。針對(duì)食物圖像背景復(fù)雜以及圖像特征難以提取的問(wèn)題，本文應(yīng)用圖像識(shí)別技術(shù)對(duì)食物圖像識(shí)別進(jìn)行了研究。主要包括以下幾個(gè)方面：
　　1)使用允許用戶在分割圖像上標(biāo)記前景和背景像素點(diǎn)的Grab Cut分割算法對(duì)食物圖像進(jìn)行分割，GrabCut算法使用高斯混合模型來(lái)模擬圖像背景與前景，并通過(guò)交互手段獲得前景背景標(biāo)記點(diǎn)，在多次迭代下最終達(dá)到良好的分割效果，為接下來(lái)特征提取做好了準(zhǔn)備

3、。
　　2)本文研究了多種圖像特征，食物圖像形態(tài)各異，內(nèi)容較為復(fù)雜，很難把握事物圖像在紋理和形狀特征上的規(guī)律，所以本文主要研究了基于局部特征點(diǎn)和全局圖像的顏色特征，并驗(yàn)證了不同特征在食物識(shí)別場(chǎng)下的效果。
　　3)面對(duì)不斷擴(kuò)充食物圖像種類面臨的分類器效率下降問(wèn)題，本文通過(guò)圖片顏色索引過(guò)濾分類器，提高分類器效率。
　　最后，本文根據(jù)食物圖片識(shí)別這個(gè)特殊的應(yīng)用場(chǎng)景，提出了一種巧妙的解決方案。首先根據(jù)食物的大體顏色，分為幾個(gè)顏

4、色區(qū)間建立索引。這是因?yàn)槭澄镱伾梢约春?jiǎn)單又快速的過(guò)濾掉很多與被識(shí)別圖片明顯不同的食物類別。例如大部分以青菜為主要食材的食物，其主要的顏色為綠色，而大多數(shù)以肉類為食材所做的食物，其主要顏色為紅色。其次，針對(duì)食物圖像背景復(fù)雜的問(wèn)題，使用Grab Cut算法對(duì)圖片進(jìn)行分割預(yù)處理，提取出關(guān)心的食物主體，剔除掉會(huì)影響分類準(zhǔn)確率的背景像素，通過(guò)實(shí)驗(yàn)表明，Grab Cut算法在食物圖像分割上相比于FCM算法具有明顯的優(yōu)勢(shì)。然后對(duì)分割出來(lái)的食物目標(biāo)提

5、取SURF特征點(diǎn)，并使用bag of feature模型提取出圖像的bag of SURF特征。最后，使用提取出來(lái)的圖像特征，通過(guò)SVM機(jī)器學(xué)習(xí)算法對(duì)每一類食物圖片進(jìn)行訓(xùn)練，使用one VS rest策略構(gòu)建食物圖像分類器。在設(shè)計(jì)分類器時(shí)，通過(guò)提取的食物圖像顏色索引，可以過(guò)濾掉一些與被識(shí)別圖像明顯不同的分類器，進(jìn)一步提升了算法的性能。
　　該方法是對(duì)食物圖像識(shí)別的一次嘗試，實(shí)驗(yàn)表明，該算法可行、可靠，達(dá)到了理想的識(shí)別效果，最終達(dá)到