基于词袋模型的林业业务图像分类

• 作者: 张广群 李英杰 汪杭军
• 来源期刊: 浙江农林大学学报
• 关键词: 森林计测学 林业业务图像 图像分类 特征提取 BoW模型 支持向量机
• 年，卷（期）: 2017,（5）
• 页码范围: 791-797
• 页数: 7页
• 分类号: S758|TP391
• 语种: 中文
• DOI: 10.11833/j.issn.2095-0756.2017.05.004

摘要

针对林业业务图像的特点,提出了一种基于稠密尺度不变特征转换(Dense SIFT)特征的词袋(BoW)模型,并联合直方图正交核的支持向量机(SVM)对图像自动分类.首先采用Dense SIFT提取林业业务图像特征,然后使用BoW模型描述各业务图像,最后利用SVM进行分类识别.实验结果表明:采用Dense SIFT特征比SIFT特征训练时间和识别时间更短,并有更高的识别率,更适应实时性较高的场合;SVM采用多项式核函数(Poly),径向基核函数(RBF),多层感知器核函数(Sigmoid)以及直方图交叉核对3类林业业务图像分类时,直方图正交核取得的平均识别率最高;综合Dense SIFT在局部特征上的优势,加上BoW模型和直方图交叉核SVM分类器,平均识别率达到了86.7%,有较好的识别效果.图4表3参18

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李英杰	浙江农林大学暨阳学院	6	22	2.0	4.0
2	汪杭军	浙江农林大学暨阳学院	28	139	8.0	10.0