湖北大学学报(自然科学版)
湖北大學學報(自然科學版)
호북대학학보(자연과학판)
JOURNAL OF HUBEI UNIVERSITY（NATURAL SCIENCE EDITION）
2011年
3期
370-372,382
,共4页
边缘检测%机器学习%特征提取%AdaBoost算法%决策树算法
邊緣檢測%機器學習%特徵提取%AdaBoost算法%決策樹算法
변연검측%궤기학습%특정제취%AdaBoost산법%결책수산법
传统的边缘检测方法具有一定的局限性,且自适应能力差,提出一种基于机器学习的边缘检测方法来解决上述问题.实验图像从伯克利图像数据库中选取,以Harr和梯度直方图(HoG)构成特征空间,将AdaBoost算法和决策树算法相结合进行分类器训练.实验结果表明,机器学习的边缘检测算法有更高的分类准确率.
傳統的邊緣檢測方法具有一定的跼限性,且自適應能力差,提齣一種基于機器學習的邊緣檢測方法來解決上述問題.實驗圖像從伯剋利圖像數據庫中選取,以Harr和梯度直方圖(HoG)構成特徵空間,將AdaBoost算法和決策樹算法相結閤進行分類器訓練.實驗結果錶明,機器學習的邊緣檢測算法有更高的分類準確率.
전통적변연검측방법구유일정적국한성,차자괄응능력차,제출일충기우궤기학습적변연검측방법래해결상술문제.실험도상종백극리도상수거고중선취,이Harr화제도직방도(HoG)구성특정공간,장AdaBoost산법화결책수산법상결합진행분류기훈련.실험결과표명,궤기학습적변연검측산법유경고적분류준학솔.
