基于BoF模型的多特征融合纹理图像分类

• 作者: 张聪炫 李军华 汪宇玲 陈昊 黎明
• 来源期刊: 北京航空航天大学学报
• 学科: 工学
• 关键词: 纹理分类 多特征融合 特征词袋(BoF) 灰度梯度共生矩阵(GGCM) 尺度不变特征转换(SIFT)
• 年，卷（期）: 2018,（9）
• 页码范围: 1869-1877
• 页数: 9页
• 分类号: TP391.4
• 字数: 7424字
• 语种: 中文
• DOI: 10.13700/j.bh.1001-5965.2017.0720

摘要

针对特征词袋(BoF)模型缺乏空间和几何信息,对纹理图像内容表达不明显等问题,提出一种基于BoF模型的多特征融合纹理分类算法.将灰度梯度共生矩阵(GGCM)和尺度不变特征转换(SIFT)融合特征作为纹理图像的区域特征描述,通过动态权重鉴别能量分析进行最优参数特征选择,并用BoF量化纹理特征,使用支持向量机对图像进行训练和预测,得出分类结果.实验结果表明,本文算法对有旋转扭曲的纹理、边缘模糊纹理、有光照变化的纹理及杂乱纹理等均能取得较好的分类效果,相对于传统BoF模型及凹凸划分(CCP)方法等算法在UIUC纹理库上的分类正确率均有不同程度的提高,平均分类正确率分别提高12.8％和7.9％,说明本文算法针对纹理图像分类具有较高的精度和较好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黎明	南京航空航天大学自动化学院	27	244	9.0	14.0
5	李军华	南昌航空大学图像处理与模式识别江西省重点实验室	38	237	9.0	14.0
6	汪宇玲	南京航空航天大学自动化学院	14	23	3.0	4.0
8	陈昊	南昌航空大学图像处理与模式识别江西省重点实验室	37	92	5.0	8.0
9	张聪炫	南昌航空大学图像处理与模式识别江西省重点实验室	28	145	8.0	11.0