基于SVM的图像分类研究

• 作者: 周松华 肖靓 郭鸣
• 来源期刊: 井冈山学院学报(自然科学版)
• 学科: 工学
• 关键词: 支持向量机 图像分类 灰度共生矩阵 特征提取
• 年，卷（期）: 2009,（3）
• 所属期刊栏目: 信息技术
• 页码范围: 43-45
• 页数: 3页
• 分类号: TP242
• 字数: 3137字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8085.2009.03.012

摘要

支持向量机(SVM)是一种优秀的分类方法,灰度共生矩阵(GLCM)是一种很好的纹理分析方法;本文研究了图像的颜色、纹理等特征对利用支持向量机进行图像分类的影响,提出了一种使用灰度共生矩阵进行综合特征提取的SVM图像分类方法.实验结果表明SVM方法的可行性和有效性,并得出图像综合特征的提取有利于分类效果的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭鸣	井冈山大学信息科学与传媒学院	10	9	2.0	2.0
5	周松华	井冈山大学信息科学与传媒学院	9	19	2.0	4.0
6	肖靓		1	2	1.0	1.0