一种基于邻域粗糙集特征选择的图像分类方法

• 作者: 刘建霞 李颖桃 续欣莹 谢珺
• 来源期刊: 现代电子技术
• 关键词: 图像分类 邻域粗糙集 特征选择 空间金字塔匹配 HOG SURF
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 计算机科学与应用
• 页码范围: 89-93,99
• 页数: 6页
• 分类号: TN911.73-34
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2019.08.020

摘要

在图像分类中,单一特征提取容易造成图像信息的缺失,而多特征融合则会生成大量的冗余特征,使得图像分类的准确率降低.针对上述问题,通过改进邻域粗糙集特征选择算法,使其可以处理多维的图像特征,并将该算法应用于图像分类中.利用HOG和SURF之间的优势互补特性提取图像特征,并用邻域粗糙集特征选择算法剔除图像中的冗余特征;结合空间金字塔匹配模型,得到最终的图像描述;利用线性SVM分类器进行图像分类.实验结果表明该方法具有很好的分类性能和鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	续欣莹		45	318	9.0	16.0
2	谢珺		36	180	8.0	11.0
3	刘建霞		43	266	9.0	15.0
4	李颖桃		1	1	1.0	1.0