1、圖像識(shí)別是計(jì)算機(jī)視覺領(lǐng)域中利用數(shù)字圖像處理技術(shù)和模式識(shí)別方法識(shí)別圖像中的感興趣目標(biāo)的技術(shù)，被廣泛應(yīng)用在合成孔徑雷達(dá)圖像辨識(shí)、地圖導(dǎo)航、車牌目標(biāo)檢測(cè)、醫(yī)療病變?cè)\斷等方面。
　　現(xiàn)實(shí)生活中，由于圖像在成像時(shí)經(jīng)常會(huì)受到外界因素的干擾而產(chǎn)生形變、噪聲、模糊等問題，使得圖像識(shí)別難度增大，再加上圖像庫(kù)規(guī)模與日俱增，圖像內(nèi)容也越來(lái)越豐富，使得目前的圖像識(shí)別系統(tǒng)普遍存在識(shí)別速度慢、識(shí)別準(zhǔn)確率有待提高等缺點(diǎn)。因此，本文提出一種基于預(yù)分類的圖像識(shí)別方

2、法，該方法在保證較高識(shí)別準(zhǔn)確率的同時(shí)極大地提高了識(shí)別的速度。論文的主要研究工作包括：
　?、籴槍?duì)大型圖像識(shí)別系統(tǒng)中圖像識(shí)別過程存在的運(yùn)算時(shí)間長(zhǎng)、識(shí)別準(zhǔn)確率不高的問題，本文提出一種預(yù)分類思想，即給定一個(gè)模板圖像庫(kù)，在識(shí)別圖像之前，預(yù)先分類模板庫(kù)中的圖像，通過縮小識(shí)別范圍來(lái)改善圖像識(shí)別的速度。
　　②對(duì)比幾種圖像特征提取算法，選擇對(duì)外界環(huán)境變化魯棒性強(qiáng)，且信息量豐富、可擴(kuò)展性好的尺度不變特征變換（SIFT）算法來(lái)提取特征。引入詞

3、袋（BoW）模型，使用視覺單詞向量表示圖像特征，降低特征相似度計(jì)算的復(fù)雜度?？紤]支持向量機(jī)（SVM）在解決非線性、過擬合和高維數(shù)據(jù)模式識(shí)別中的全局最優(yōu)性和良好的泛化能力，使用SVM用于分類?；谝陨蠋c(diǎn)，研究了基于SIFT和BoW的圖像分類方法，用于實(shí)現(xiàn)本文提出的基于預(yù)分類的圖像識(shí)別方法的預(yù)分類過程。在標(biāo)準(zhǔn)圖像庫(kù)上的仿真實(shí)驗(yàn)結(jié)果表明，該方法具有很好的分類效果。
　?、垩芯苛嘶赟IFT和隨機(jī)抽樣一致性（RANSAC）算法的圖像匹配

4、識(shí)別方法，用于實(shí)現(xiàn)本文提出的基于預(yù)分類的圖像識(shí)別方法的匹配識(shí)別過程。在SIFT匹配算法的基礎(chǔ)上，使用RANSAC剔除匹配過程中出現(xiàn)的錯(cuò)誤匹配特征點(diǎn)對(duì)，提高圖像識(shí)別的準(zhǔn)確率。在局部仿射不變圖像庫(kù)上的匹配性能實(shí)驗(yàn)結(jié)果表明，該方法具有很強(qiáng)的魯棒性。
　　④給出本文基于預(yù)分類的圖像識(shí)別系統(tǒng)的設(shè)計(jì)框架和具體實(shí)現(xiàn)流程。使用LIBSVM開源軟件包在MATLAB上進(jìn)行的大規(guī)模圖像識(shí)別仿真實(shí)驗(yàn)結(jié)果表明，本文提出的方法能夠在保證較好的識(shí)別準(zhǔn)確率的同時(shí)