| 多种表示的图像分类方法 |
| |
| 引用本文： | 陈德运,付立军,张学松,于梁,陈海龙,李骜. 多种表示的图像分类方法[J]. 计算机科学与探索, 2019, 13(12): 2138-2148 |
| |
| 作者姓名： | 陈德运 付立军 张学松 于梁 陈海龙 李骜 |
| |
| 作者单位： | 哈尔滨理工大学 计算机科学与技术学院,哈尔滨,150080;北京兆芯集成电路有限公司,北京,100084;酒泉卫星发射中心,甘肃 敦煌,736200 |
| |
| 摘 要： | 针对不同图像提取出显著的特征对于图像分类是非常有意义的,然而单一图像分类方法不能在所有图像上都取得好的鲁棒性,通过多视角来提取不同特征,并将其融合来有效地解决这个难题。首先,利用二维主成分分析(2DPCA)提取图像的特征,然后根据获取特征进行图像重构(虚拟图像)。其次,利用快速傅里叶变换(FFT)获取图像的频谱特征。接着,将原始图像、虚拟图像、频谱特征分别利用稀疏方法获取得分。最后,利用一种新颖融合机制将上述得分进行融合,并根据新获取得分进行图像分类。获取的多特征和原始图像进行了互补,使该算法更具有鲁棒性;该方法具有稀疏性,提高了图像分类的性能;此外,它能自动获取参数,不需要手动调参。实验结果表明,该方法在不同情景下具有高的图像分类准确率。
|
| 关 键 词： | 图像分类 二维主成分分析(2DPCA) 快速傅里叶变换(FFT) 稀疏方法 多种表示方法 |
Multiple Representations for Image Classification Approaches |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
