摘要：在如今的信息化时代，人们每天要处理大量数据，随着计算机技术的快速发展，数字图像作为信息的重要载体，已经在各个领域之中得到广泛的应用。面对当今数以万计的图像信息，对图像的分类研究就变得尤为重要，如何从众多的图像里面找到所需要的图片并对其进行快速有效的分类，成为许多学者的研究对象，图像分类也由此变得尤其重要。传统的人工分类方式耗时又费力，分类效果也并不理想，所以通过计算机技术与图像分类技术结合，使计算机能够实现图像的分类，已经成为当今社会发展的趋势，图像分类技术的研究也有了重大的意义。

词袋模型是图像分类中的关键一环，因为其能够简单方便的表示图像特征，并提供图像分类的大体框架模型，所以在图像分类中得到了广泛的运用，词袋模型常常通过一种编码算法对提取的图像特征进行编码，从而得到相应的视觉词典，所以它在图像分类中至关重要。因此，本文使用局部约束线性编码建立图像分类系统，首先将图像分为许多不同的小块，提取SIFT特征作为局部描述子对其进行描述，然后对比离线训练好的视觉词典对局部特征进行局部约束线性编码，将编码矢量的池化特征作为图像的最终特征表示，使用SVM分类器进行分类。其中需要使用M语言编程实现特征表示算法和分类器算法，并设计实现图像分类系统的GUI界面。

本课题以MATLAB软件语言为基础，对于给定的图像首先对其进行预处理，然后提取有效的特征，选取某种经典的分类器利用训练样本对其进行训练，然后选择已经训练好的分类器对测试的图像进行分类，最后实现图像的特征表示算法和分类算法，并实现图像分类系统的GUI界面。

关键词：局部约束线性编码，图像分类，词袋模型，支持向量机

目 录

摘 要

Abstract

第一章 绪  论-1

1.1 课题背景及意义-1

1.2 国内外研究现状-2

1.3 主要研究工作-3

1.4 论文结构安排-3

第二章 图像分类技术介绍-5

2.1 图像分类模型-5

2.1.1 BOW模型-5

2.1.2 BOF模型-5

2.1.3 SPM模型-6

2.2 常见的特征提取技术-7

2.2.1 颜色特征-7

2.2.2 形状特征-8

2.2.3 空间关系特征-8

2.2.4 纹理特征-9

2.2.5 局部特征-9

2.3 常用分类算法-13

2.3.1 支持向量机算法-13

2.3.2 K近邻-18

2.4 本章小结-18

第三章  局部约束线性编码与实验分析-19

3.1 局部约束线性编码的介绍-19

3.2 局部约束线性编码的优劣-20

3.3 典型编码算法的比较-20

3.4 不同图像集分类效果对比-21

3.4.1 Caltech101-21

3.4.2 Scene15-22

3.5 实验结果分析-23

3.6 本章小结-27

第四章 图形用户界面-28

4.1 图形用户界面设计-28

4.2 本实验GUI界面介绍-29

4.3 本章小结-31

第五章 总结与展望-32

5.1 总结-32

5.2 展望-32

参考文献-34

致  谢-36