基于数字图像处理的载玻片图像分类的数学建模优秀论文

《基于数字图像处理的载玻片图像分类的数学建模优秀论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、数学建模暑期模拟竞赛论文论文题目：载波片图像分类组号：720#成员：饶靓董寅初黄晓瑜选题：A题姓名学院年级专业学号联系电话数学分析高等代数高等数学线性代数概率统计数学实验数学模型CET4CET6饶靓弘深学院2012电子信息班201245981539085766693//798193/485/董寅初弘深学院2012弘深机械大类201234731858015805190//7586//520450201220123453134523583719280/72//546444黄晓瑜弘深学院弘深机械大类摘要载波片与不同的有毒物质反应后将呈

2、现不同的图像数据，通过对载波片不同的图像数据特征的提取，构造出合理的分类方法，即可将不同的物质得以分类，并能进一步对分类物质的反应时间进行估计。为能达到上述目的，本文首先利用Photoshop批处理命令——动作录制对由于实验扫描存在一定角度偏差的大量样本图片数据进行批量处理，随后利用聚类分析法求中心点，接着使用MATLAB处理图像得到相应的目标图像的特征数据，将特征在HSV模型空间中提取出来，得到每一个点的三个颜色特征分量，构造出每一幅图中所有点的特征向量，并降至一维方便后续运算。然后，对每一类有毒物质的特征进行分类，采用Boo

3、sting算法构造分类方法，将决策树算法作为弱分类器，将一维特征向量输入后可以有效的对载玻片在4种不同有毒物质下的反应进行分类。随后，提取出待判图像的特征向量，代入Boosting算法中由弱分类器组合成的强分类器进行检验，得出与上一问所得特征向量之间的相似度，进而对未分类的图像进行分类，得出如下分类结果：属于“Tea_Orange”的待判定样本有8个：2、8、9、14、17、18、20、21属于“Tea_orangespice”的待判定样本有7个：1、3、7、10、11、15、24属于“Tea_spiced_chai”的待判定样

4、本有5个：12、22、26、28、29属于“Tea_sweet”的待判定样本有7个：19、23、25、27、31、32、33由于Boosting算法判别对样本（4、5、6、13、16、30）的判定结果不一致，因此，我们将此六个样本定为不可判定样本。最后，对于问题三，为进一步达成对分类物质反应时间的估计，本文基于颜色均匀变化的假设，采用线性内插法，将实验中不同的时间点之间分出多个时间点，得到多组特征向量，检验待估时间图像的特征向量与之的相似程度，将特征向量进行分类，来估算图像的反应时间，并得出下表结果：样本序号123456789估

5、计时间/min2001515203201205050样本序号101112131415161718估计时间/min1402080100202016050120样本序号192021222324252627估计时间/min30153030302307030样本序号28293031323327估计时间/min2007012030250关键词：HSV模型聚类分析法Boosting算法线性内插法1问题重述在某种载波片上选取6行6列36个圆形区域分别涂上不同的化学反应物质，让其与有毒物质(如有毒气体、液体、固体粉沬等)充分接触，根据不同区域反

6、应后的特征可以用来判别有毒物质的种类和浓度等。现积累有四组实验数据——分别表示对不同物质反应的载波片图像文件。文件名信息记录了实验的序号、反应时间等信息。问题：(1)请根据已知类别的图像数据提取特征，构造分类方法。(2)用构造的分类方法对另外33个未知类别的图像(可能存在不属于上述4个类别的数据)进行分类，并写出结果。(3)在(2)的基础上，对判定的物质估计反应时间，并写出结果。2问题分析2.1问题一分析：题目中给出了载玻片上的化学物质在4种不同有毒物质环境下随时间变化的情况，从给出的图片可以看出空间位置和颜色为主要特征，我们要

7、做的首要工作就是将特征在HSV空间中提取出来，得到每一个点的三个颜色特征分量，构造出每一幅图中所有点的特征向量，并降至一维方便后续运算，这就是我们提取出的特征。接下来要对每一类有毒物质的特征进行分类，采用Boosting算法，将决策树算法作为弱分类器，个数设置为100，将一维特征向量输入后可以有效的对载玻片在4种不同有毒物质下的反应进行分类。272.2问题二分析：我们需要对33个未分类的图像进行分类，首先要提取出未分类图像的特征向量，然后代入Boosting算法中由弱分类器组合成的强分类器进行检验，得出和上一问中的特征向量的相似

8、度，进而可以对未分类的图像进行分类。2.3问题三分析：我们需要对分类完的图像估计反应时间，需要首先求出每一个图像的特征向量。基于颜色均匀变化的假设，我们采用线性内插法，将实验中不同的时间点之间分出多个时间点，得到多组特征向量，检验待估时间图像的特征向量与之的相似