计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2015年
1期
224-230
,共7页
王澍%吕学强%张凯%李卓
王澍%呂學彊%張凱%李卓
왕주%려학강%장개%리탁
快速鲁棒特征%图像分类%统计特征%随机变量%支持向量机
快速魯棒特徵%圖像分類%統計特徵%隨機變量%支持嚮量機
쾌속로봉특정%도상분류%통계특정%수궤변량%지지향량궤
Speed Up Robust Feature (SURF)%image classification%statistical feature%random variable%Support Vector Machine (SVM)
针对现有利用快速鲁棒特征(SURF)进行图像分类的方法中存在的效率低、正确率低的问题,提出一种利用图像SURF集合的统计特征进行图像分类的方法.该方法将SURF的各个维度及尺度信息视为各自独立的随机变量,并利用拉普拉斯响应区分不同数据.首先,获取图像的SURF向量集合;然后,分维度计算SURF向量集合的一阶中心绝对矩、带权一阶中心绝对矩等统计特征,并构建特征向量;最后,结合支持向量机(SVM)进行图像分类.在Corel 1K图像库上的实验结果表明,该方法查准率较SURF直方图方法和三通道Gabor纹理特征方法分别提高17.6％和5.4％.通过与HSV直方图特征进行高级特征融合,可获得良好的分类性能.与SURF直方图结合HSV直方图方法、三通道Gabor纹理特征结合HSV直方图方法、基于视觉词袋(BoVW)模型的多示例学习方法相比,查准率分别提高了5.2％,6.8％,3.2％.
針對現有利用快速魯棒特徵(SURF)進行圖像分類的方法中存在的效率低、正確率低的問題,提齣一種利用圖像SURF集閤的統計特徵進行圖像分類的方法.該方法將SURF的各箇維度及呎度信息視為各自獨立的隨機變量,併利用拉普拉斯響應區分不同數據.首先,穫取圖像的SURF嚮量集閤;然後,分維度計算SURF嚮量集閤的一階中心絕對矩、帶權一階中心絕對矩等統計特徵,併構建特徵嚮量;最後,結閤支持嚮量機(SVM)進行圖像分類.在Corel 1K圖像庫上的實驗結果錶明,該方法查準率較SURF直方圖方法和三通道Gabor紋理特徵方法分彆提高17.6％和5.4％.通過與HSV直方圖特徵進行高級特徵融閤,可穫得良好的分類性能.與SURF直方圖結閤HSV直方圖方法、三通道Gabor紋理特徵結閤HSV直方圖方法、基于視覺詞袋(BoVW)模型的多示例學習方法相比,查準率分彆提高瞭5.2％,6.8％,3.2％.
침대현유이용쾌속로봉특정(SURF)진행도상분류적방법중존재적효솔저、정학솔저적문제,제출일충이용도상SURF집합적통계특정진행도상분류적방법.해방법장SURF적각개유도급척도신식시위각자독립적수궤변량,병이용랍보랍사향응구분불동수거.수선,획취도상적SURF향량집합;연후,분유도계산SURF향량집합적일계중심절대구、대권일계중심절대구등통계특정,병구건특정향량;최후,결합지지향량궤(SVM)진행도상분류.재Corel 1K도상고상적실험결과표명,해방법사준솔교SURF직방도방법화삼통도Gabor문리특정방법분별제고17.6％화5.4％.통과여HSV직방도특정진행고급특정융합,가획득량호적분류성능.여SURF직방도결합HSV직방도방법、삼통도Gabor문리특정결합HSV직방도방법、기우시각사대(BoVW)모형적다시례학습방법상비,사준솔분별제고료5.2％,6.8％,3.2％.
