排序方式: 共有5条查询结果,搜索用时 93 毫秒
1
1.
鉴于单一特征在瓷砖种类较多的情况下,存在对瓷砖表面缺陷内容表达不明显,导致复杂瓷砖识别率较低。针对这个问题,在词袋模型(BoF)框架的基础上,提出一种有效的多特征融合算法用于瓷砖缺陷检测。该算法采用改进后的SIFT和颜色矩融合特征作为瓷砖图像的区域特征描述;根据每种特征对瓷砖被分类的准确率大小,给提取到的两种区域特征分配各自的权重系数实现特征的加权融合;形成综合特征向量送入SVM分类器达到瓷砖缺陷分类的目的。通过不同类型的瓷砖样本进行实验表明,该算法识别率高,对复杂瓷砖能实现较好的分类。 相似文献
2.
3.
针对传统BoF算法缺乏空间信息的问题,文中提出一种改进式BoF算法,并将其应用于杜鹃花各生长期识别与病虫害监测问题。该算法在基于LAB的颜色特征中融入有序的空间信息,形成了新的空间颜色聚合特征来代替传统颜色直方图,有效解决了颜色特征变化尺度小的问题。该算法提取SURF特征代替原有的SIFT特征,通过一种多类特征学习算法融合颜色特征和SURF特征实现图像分类,并通过进一步分析叶片特征来快速识别杜鹃花植株的生长期与病害。经过仿真得知,基于LAB的颜色聚合向量的改进式BoF模型识别率达到了90.6%,较传统颜色直方图的图像分类方法图像检索速度增加3倍,更容易实现特征融合。 相似文献
4.
针对传统BoF模型无法有效利用图像颜色及纹理来更好地表述果蔬特征的问题,文中提出了一种在BoF模型中进行多特征融合的果蔬图像分类算法。该算法首先提取并融合图像的颜色矩和SURF特征形成SURFC特征描述子;然后分别对CLBP及SURFC特征进行K-均值聚类以生成特征词典,并使用特征词典对所有特征量化编码;最后使用SVM对编码结果进行训练得到分类器并识别。实验结果表明,BoF模型融合颜色和纹理特征后,在果蔬图像分类效果上明显优于单一特征或者其他特征融合的BoF模型,识别率最高可达到94%,更适合果蔬图像分类。 相似文献
5.
基于BoF模型的图像表示方法研究 总被引:1,自引:0,他引:1
设计合适的图像表示是计算机视觉中最重要的问题之一。BoF特征表示方法非常流行,已经广泛应用于图像分类、对象识别、图像检索、机器人定位和纹理识别。BoF特征是将图像表示为无序的特征集合。这种方法虽然缺乏结构信息和空间信息,但概念简洁、计算简单,在某些应用上取得的效果甚至可以与当前最好的方法媲美。仔细研究了BoF模型,着重对BoF模型中的3个阶段:局部特征提取、特征量化和编码、特征汇集所涉及到的典型技术进行了讨论。最后在分析各类研究方法的基础上,总结了目前研究存在的问题及可能的发展方向。 相似文献
1