基于词袋模型的林业业务图像分类

摘要：

针对林业业务图像的特点,提出了一种基于稠密尺度不变特征转换(Dense SIFT)特征的词袋(BoW)模型,并联合直方图正交核的支持向量机(SVM)对图像自动分类.首先采用Dense SIFT提取林业业务图像特征,然后使用BoW模型描述各业务图像,最后利用SVM进行分类识别.实验结果表明:采用Dense SIFT特征比SIFT特征训练时间和识别时间更短,并有更高的识别率,更适应实时性较高的场合;SVM采用多项式核函数(Poly),径向基核函数(RBF),多层感知器核函数(Sigmoid)以及直方图交叉核对3类林业业务图像分类时,直方图正交核取得的平均识别率最高;综合Dense SIFT在局部特征上的优势,加上BoW模型和直方图交叉核SVM分类器,平均识别率达到了86.7%,有较好的识别效果.图4表3参18

关键词：森林计测学、林业业务图像、图像分类、特征提取、BoW模型、支持向量机

所属期刊栏目：34

分类号：S758;TP391(森林经营学、森林计测学、森林经理学)

资助基金：浙江省自然科学基金资助项目LY16C160007;浙江农林大学科研发展基金人才启动项目2013FR059

在线出版日期：2017-10-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：791-797