| 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： | 1.南京航空航天大学 自动化学院, 南京 211106 |
| |
| 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 |
| |
| Institution: | 1.College of Automation Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China2.School of Information Engineering, East China University of Technology, Nanchang 3300133.Key Laboratory of Jiangxi Province for Image Processing and Pattern Recognition, Nanchang Hangkong University, Nanchang 330063, China |
| |
| 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 |
