| 基于BoF模型的多特征融合纹理图像分类 |
| |
| 引用本文： | 汪宇玲,黎明,李军华,张聪炫,陈昊.基于BoF模型的多特征融合纹理图像分类[J].北京航空航天大学学报,2018,44(9):1869-1877. |
| |
| 作者姓名： | 汪宇玲 黎明 李军华 张聪炫 陈昊 |
| |
| 作者单位： | 南京航空航天大学自动化学院,南京211106;东华理工大学信息工程学院,南昌330013;南京航空航天大学自动化学院,南京211106;南昌航空大学图像处理与模式识别江西省重点实验室,南昌330063;南昌航空大学图像处理与模式识别江西省重点实验室,南昌,330063 |
| |
| 基金项目： | 国家自然科学基金（61262019，61402102）；航空科学基金（2015ZC56009）；江西省优势创新团队项目（20113BCB24009）；江西省自然科学基金（20151BAB207042）；江西省教育厅科技项目（GJJ160554，GJJ170432） |
| |
| 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。
|
| 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) |
| 收稿时间： | 2017-11-21 |
Texture image classification based on BoF model with multi-feature fusion |
| |
| WANG Yuling,LI Ming,LI Junhua,ZHANG Congxuan,CHEN Hao.Texture image classification based on BoF model with multi-feature fusion[J].Journal of Beijing University of Aeronautics and Astronautics,2018,44(9):1869-1877. |
| |
| Authors: | WANG Yuling LI Ming LI Junhua ZHANG Congxuan CHEN Hao |
| |
| Abstract: | |
| |
| Keywords: | texture classification multi-feature fusion bag of feature (BoF) gray gradient co-occurrence matrix (GGCM) scale-invariant feature transform (SIFT) |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《北京航空航天大学学报》浏览原始摘要信息 |
| 点击此处可从《北京航空航天大学学报》下载免费的PDF全文 |
