基于核典型相关分析和支持向量机的图像识别技术

为了提高图像识别性能,采用核典型相关分析(KCCA)和支持向量机(SVM)相结合的方法进行图像识别。从不同维度获取图像文本特征,并采用KCCA方法对图像不同维度特征进行相关分析。将相关系数高的特征进行有效优化,从而保存差异度高的图像判别特征。对经过KCCA后的图像特征进行SVM判别,获得图像识别结果。实验证明,通过选择合适的KCCA核函数,对图像特征进行相关分析,并提取全面有效的图像判别特征,既降低了图像冗余特征,又保存了图像识别特征的全面性。与SVM、神经网络(NN)、卷积神经网络(CNN)相比,KCCA-SVM算法能够获得更高的图像识别准确率。