基于BoF模型的多特征融合纹理图像分类

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)

所属期刊栏目：44

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;航空科学基金;江西省优势创新团队项目;江西省自然科学基金;江西省教育厅科技项目;江西省教育厅科技项目

在线出版日期：2018-11-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1869-1877