计算机应用
計算機應用
계산궤응용
Journal of Computer Applications
2015年
9期
2629-2635
,共7页
刘尚旺%李名%胡剑兰%崔艳萌
劉尚旺%李名%鬍劍蘭%崔豔萌
류상왕%리명%호검란%최염맹
视觉注意模型%显著区域%脉冲耦合神经网络%Gabor滤波%图像分类
視覺註意模型%顯著區域%脈遲耦閤神經網絡%Gabor濾波%圖像分類
시각주의모형%현저구역%맥충우합신경망락%Gabor려파%도상분류
visual attention model%salient region%Pulse Coupled Neural Network (PCNN)%Gabor filter%image classification
针对传统的图像分类方法对整个图像不分等级处理以及缺乏高层认知的问题,提出了一种基于显著性检测的图像分类方法.首先,利用视觉注意模型进行显著性检测,得到图像的显著区域;然后,利用Gabor滤波方法和脉冲耦合神经网络模型,分别提取该显著区域的纹理特征和时间签名特征;最后,根据提取的纹理特征和时间签名特征,利用支持向量机实现图像分类.实验结果表明,所提方法在SIMPLIcity图像数据集上平均分类正确率达到94.26％,在Caltech数据集上平均分类正确率为95.43％,从而证明,显著性检测与有效的特征提取对图像分类有重要影响.
針對傳統的圖像分類方法對整箇圖像不分等級處理以及缺乏高層認知的問題,提齣瞭一種基于顯著性檢測的圖像分類方法.首先,利用視覺註意模型進行顯著性檢測,得到圖像的顯著區域;然後,利用Gabor濾波方法和脈遲耦閤神經網絡模型,分彆提取該顯著區域的紋理特徵和時間籤名特徵;最後,根據提取的紋理特徵和時間籤名特徵,利用支持嚮量機實現圖像分類.實驗結果錶明,所提方法在SIMPLIcity圖像數據集上平均分類正確率達到94.26％,在Caltech數據集上平均分類正確率為95.43％,從而證明,顯著性檢測與有效的特徵提取對圖像分類有重要影響.
침대전통적도상분류방법대정개도상불분등급처리이급결핍고층인지적문제,제출료일충기우현저성검측적도상분류방법.수선,이용시각주의모형진행현저성검측,득도도상적현저구역;연후,이용Gabor려파방법화맥충우합신경망락모형,분별제취해현저구역적문리특정화시간첨명특정;최후,근거제취적문리특정화시간첨명특정,이용지지향량궤실현도상분류.실험결과표명,소제방법재SIMPLIcity도상수거집상평균분류정학솔체도94.26％,재Caltech수거집상평균분류정학솔위95.43％,종이증명,현저성검측여유효적특정제취대도상분류유중요영향.
