基于最优统计分类器的多维图像可视化分类系统开题报告

1. 研究目的与意义

1.本课题的研究目的: 对所选图像进行分类，并且能够使用户交互地并图形化地演示各种多维图像的分类结果，为后续的事件和态势的判读与评估创造可视化操作和分析条件。

2.本课题的研究意义: 图像分类是图像工程迈向机器理解与人工智能的一个重要环节，而基于决策理论方法的识别以其数学推导的严谨广受关注。

这其中，最优统计分类器应用最为广泛，一直受到业界的重视。

2. 国内外研究现状分析

1.图像分类的国内外研究现状1.1图像分类国外研究现状目前，对于图像分类，国外的研究有很多，主要应用于超声图像分类，对胎儿的异常进行检查，对复合材料的损伤进行分类，用于工业应用中损伤的量化以及医学图像的分类等。

文献[1]用于超声图像分析和解释，自动进行图像分类，客观得出超声图像中嵌入的胎儿发育异常的新指标。

本方法的优越性有统计学意义(p < 0.05)。

3. 研究的基本内容与计划

1.研究内容：1.1学习数字图像处理和图像分类的基础理论，这样在使用到相关知识时也会有一定熟悉。

1.2熟悉掌握基于决策理论方法理论知识及最优统计分类器的理论知识，这样实现起来也会更加方便。

1.3学习gui和matlab地基本操作。

4. 研究创新点

特色与创新：1.将程序语言、最优统计分类器以及交互式图像可视化技术结合，设计出一套基于最优统计分类器的多维图像可视化分类系统。

2.系统将多张图片同时进行分类，提高了效率，并且可以在可视化的图像界面中表现出来，给用户直观的显示。