1. 研究目的与意义
研究背景：随着互联网技术和多媒体技术的发展,以数字图像为代表的数字视觉多媒体信息剧增,各种数字图像信息渗入到人们生产生活的各个方面。因此,如何有效地识别和使用图像信息,成为了当前模式识别、机器学习、计算机视觉等领域的研究热点。图像分类史图像应用技术的核心技术之一，有着巨大的研究和应用价值。当前主要的图像分类方法有基于文本的和基于图像内容两种。基于文本的分类方法是根据图像内容的人工标注文本进行分类，随着图像数据的日益庞大，对所有图像进行人工标注已不可能满足当前的图像分类识别要求；另一种方法是基于图像内容的图像分类方法，该方法以图像的特征信息作为分类的依据。目前，基于图像内容的图像分类算法主要有两种模型，一类模型是以图像的朴素信息，如颜色、纹理和轮廓等作为分类依据；另一类模型实在第一类模型的基础上融入了图像内容的空间关系信息等，并以此作为分类依据。基于图像内容的分类方法能较好地表达图像的高级语义信息，以达到较高的分类准确率。
目的：把图像内容分类运用到鸟类信息分类中，利用鸟类的颜色特征、形状特征、纹理特征等利用支持向量机分类方法进行鸟类数据的分类。
意义：基于支持向量机的鸟类数据分类有利于鸟类研究，有利于验证和推广基于支持向量机的图像分类技术，在人工智能方面有着特殊的意义。
2. 研究内容和预期目标
通过分析利用鸟类彩色图像的颜色、形状和纹理等特征,提出了一个基于支持向量机的鸟类分类方法。主要研究内容如下：
1.鸟类彩色图像的颜色特征的提取
2..鸟类形状特征的提取
3. 研究的方法与步骤
基于支持向量机的鸟类数据分类方法研究步骤：
1.建立训练样本跟测试样本
2.处理鸟类图像
4. 参考文献
| [1]李晶晶,赵玉芹.自然界鸟类图像特征准确识别仿真研究[J].计算机仿真,2017,34(01):310-313. |
| [2]陈海兰,孙海信,齐洁,高春仙,颜佳泉.基于多维特征联合的鸟类鸣声识别方法研究[J].南京大学学报(自然科学),2015,51(06):1234-1239. |
| [3]孙斌,万鹏威,陶达,赵玉晓.基于自适应最优核时频分布的鸟类识别[J].数据采集与处理,2015,30(06):1187-1195. |
| [4]王恩泽,何东健.基于MFCC和双重GMM的鸟类识别方法[J].计算机工程与设计,2014,35(05):1868-1871 1881. |
| [5]石贵民.武夷山九曲溪湿地鸟类联网监测及识别系统[J].湖南工业大学学报,2013,27(02):84-88. |
| [6]颜鑫,李应.利用抗噪幂归一化倒谱系数的鸟类声音识别[J].电子学报,2013,41(02):295-300. |
| [7]林菡,林宏基,陈伟斌.基于SVM的湿地鸟类物种识别方法[J].软件导刊,2012,11(12):165-167. |
| [8]张玉光,刘迪,李志恒,李岩,刘庆国.基于形态对比和统计分析的中生代鸟类栖息行为的识别和判断[J].地质论评,2010,56(06):875-884. |
| [9]陈伟斌.带先验信息的SVM决策树的鸟类图像识别研究[J].河南城建学院学报,2009,18(06):45-48. |
| [10]韩洁琼,陈雪梅.基于规则的鸟类识别专家系统的设计与实现[J].福建电脑,2009,25(11):18-19. |
5. 计划与进度安排
（1）2022.3.1-2022.3.10：接受任务，了解指导教师对论文的要求和工作内容，根据论文题目阅读指导教师规定的文献，通过网络、期刊、专业书籍等进行相关背景资料了解（2）2022.3.11-2022.3.20：搜集相关资料，阅读并翻译英文文献为中文，撰写开题报告。（3）2022.3.21-2022.3.31：论文内容的初步设计（4）2022.4.1-2022.4.30：完成论文初稿（5）2022.5.1-2022.5.30：完成实际应用，完善实验系统，修改论文（6）2022.6.1-2022.6.5： 论文修改，并完成论文最终稿（7）2022.6.6-2022.6.10： 论文答辩准备及答辩
