基于HSV和紋理特征的圖像分類(lèi).pdf

1、面對(duì)爆炸性增長(zhǎng)的圖像，如何利用圖像特征進(jìn)行有效的分類(lèi)和標(biāo)注，是圖像分類(lèi)的一個(gè)熱點(diǎn)。為了讓用戶(hù)高效地從海量數(shù)據(jù)中尋找圖像，對(duì)圖像進(jìn)行有效的分類(lèi)和標(biāo)注顯得極其重要。
　　圖像分類(lèi)常常充分發(fā)掘圖像的底層特征，并選擇有效地表達(dá)圖像的特征而進(jìn)行分類(lèi)。為了提高基于內(nèi)容的圖像分類(lèi)技術(shù)的分類(lèi)性能，本文將利用顏色、紋理、形狀以及空間信息等特征做出研究，并對(duì)LBP算子、分塊方法等方面進(jìn)行了改進(jìn)，具體改進(jìn)如下:
　　(1)提出了基于HSV分塊加權(quán)

2、的分類(lèi)算法。雖然當(dāng)前一些分塊加權(quán)算法能夠在一定程度上提高分類(lèi)性能，但是有的分塊方法比較復(fù)雜或權(quán)值設(shè)置不合理，因而本文先將圖像區(qū)域按興趣程度劃分為三塊:圖像中心區(qū)域是興趣焦點(diǎn)，先將圖像中心以圓形區(qū)域劃分，并賦予極大的權(quán)值;其次，在圓形區(qū)域外部再設(shè)置一個(gè)橢圓區(qū)域并賦予較大的權(quán)值，以保證這些信息的次重要性;剩下區(qū)域一般為邊緣區(qū)域，且在圖像中的重要性相對(duì)較弱，因而賦予較小的權(quán)值。
　　(2)提出了改進(jìn)的LBP算子。雖然傳統(tǒng)LBP描述子或一

3、些改進(jìn)的LBP描述子具有一定的抗噪性能，但是融入大量噪聲后，其抗噪能力急劇下降。為了克服這一缺陷，本文提出一種改進(jìn)的LBP算子:在確定閾值時(shí)，將原來(lái)的3×3區(qū)域擴(kuò)大到5×5區(qū)域，擴(kuò)大范圍后有利于減少噪聲對(duì)均值的影響。實(shí)驗(yàn)表明，改進(jìn)后的LBP算子的抗噪性能獲得較大的提升。
　　(3)提出融合多個(gè)特征的分類(lèi)算法。雖然單特征在分類(lèi)的平均準(zhǔn)確率上性能不錯(cuò)，但具體到各個(gè)類(lèi)別的圖像，其分類(lèi)性能優(yōu)劣不一。因而本文將基于HSV分塊加權(quán)、改進(jìn)的LB