一种多尺度时频纹理特征融合的场景分类算法
本文关键词:一种多尺度时频纹理特征融合的场景分类算法
更多相关文章: 场景分类 多尺度 纹理特征 多尺度纹理描述子
【摘要】:场景分类目前是机器视觉领域的一个研究热点,为了解决该研究领域中分类特征的提取问题,提出了一种多尺度纹理描述子(MSTD)特征。首先,采用小波变换,获得图像在时频域上的多尺度纹理视觉全局特征信息,之后提取反映局部细节的局部二值模式(LBP)特征,在时频域上进行融合,生成多尺度纹理描述子特征,以此作为图像分类的依据,最后采用支持向量机(SVM)作为分类器进行场景分类。在4个标准数据集上进行测试,实验结果表明,该方法具有较高的分类正确率,对室外场景的分类正确率都在84%以上。所提出的分类方法充分考虑了全局特征和尺度信息,增强了单层特征的区分度,有效地改善了分类的精度。
【作者单位】: 西安理工大学自动化与信息工程学院;
【关键词】: 场景分类 多尺度 纹理特征 多尺度纹理描述子
【基金】:西安市科技计划(CXY1509(13))项目资助
【分类号】:TP391.41
【正文快照】: 1引言图像的场景分类问题,实际上是利用计算机模拟人类的视觉感知原理,对包含若干语义信息的场景图像实现自动标注,它为实现合理、有效地管理海量图像数据奠定了坚实的基础,它也成为了近年来计算机视觉研究领域的关键问题之一[1-6]。早期的场景图像分类方法大都是从图像全局的
【相似文献】
中国期刊全文数据库 前10条
1 张红梅,韩萍;仓储物害虫分类识别中纹理特征的提取[J];计算机工程与应用;2003年01期
2 杨大鹏;高向东;刘红;;基于纹理特征的道路行人识别研究[J];机械设计与制造;2012年01期
3 于晓晗,袁保宗;一种新的旋转不变纹理特征[J];电子学报;1990年03期
4 张红梅,张慧档,田耕;面包烘焙品质检验中纹理特征的提取[J];计算机工程与设计;2005年09期
5 吴刚;唐振民;杨静宇;;融合典型纹理特征的粒子滤波目标跟踪方法[J];计算机工程与应用;2011年34期
6 王成业,龚晓;地物图象的纹理特征与分类[J];计算机学报;1985年06期
7 张京爱;王兴军;胡青松;;基于纹理特征的穿梭分析系统动物检测算法[J];佳木斯大学学报(自然科学版);2014年03期
8 王松,蒋苏蓉,冯刚;基于纹理特征的一种图像检索方法的实现[J];安阳师范学院学报;2002年02期
9 王胜华;都东;曾凯;邹怡蓉;;基于纹理特征的焊缝识别方法[J];焊接学报;2008年11期
10 黄春龙;邢立新;韩冬;;基于纹理特征的水系信息提取[J];吉林大学学报(地球科学版);2008年S1期
中国重要会议论文全文数据库 前10条
1 田学东;郭宝兰;;基于纹理特征的版式识别研究[A];辉煌二十年——中国中文信息学会二十周年学术会议论文集[C];2001年
2 殷积东;刘博;王少辉;;基于粗糙集理论和关联规则的腐蚀区域纹理特征检测算法研究[A];图像图形技术研究与应用(2010)[C];2010年
3 秦钟;;基于纹理特征的车辆分割方法[A];第二十七届中国控制会议论文集[C];2008年
4 王建新;周晨波;于文英;;利用纹理特征分析激光散斑图像[A];第十一届全国光学测试学术讨论会论文(摘要集)[C];2006年
5 王宇生;陈纯;;一种用于图像检索的纹理特征[A];中国图象图形学会第十届全国图像图形学术会议(CIG’2001)和第一届全国虚拟现实技术研讨会(CVR’2001)论文集[C];2001年
6 龚红菊;姬长英;;基于纹理特征的麦穗产量测量方法研究[A];2007年中国农业工程学会学术年会论文摘要集[C];2007年
7 常哲;侯榆青;程涛;李明俐;刘黎宁;;综合颜色和纹理特征的图像检索[A];全国第三届信号和智能信息处理与应用学术交流会专刊[C];2009年
8 秦健;李涛;;基于Contourlet变换提取云的旋转不变纹理特征[A];2009第五届苏皖两省大气探测、环境遥感与电子技术学术研讨会专辑[C];2009年
9 张树恒;阳维;廖广姗;王莲芸;张素;;基于形状和纹理特征的致敏花粉显微图像识别[A];中华医学会2010年全国变态反应学术会议暨中欧变态反应高峰论坛参会指南/论文汇编[C];2010年
10 李艳兵;李元祥;孙龙祥;黄思训;;基于小波纹理特征的卫星云图检索[A];第十二届全国图象图形学学术会议论文集[C];2005年
中国博士学位论文全文数据库 前3条
1 周前进;基于纹理特征的打印文档机源认证技术研究[D];武汉大学;2015年
2 夏瑜;基于结构的纹理特征及应用研究[D];中国科学技术大学;2014年
3 李伯宇;图像纹理分析及分类方法研究[D];复旦大学;2007年
中国硕士学位论文全文数据库 前10条
1 朱宪坤;基于联合纹理特征的煤岩显微组分MSVM分类[D];太原理工大学;2016年
2 袁瑜键;基于纹理特征的目标识别与跟踪技术研究[D];北京理工大学;2016年
3 魏静明;用时频纹理特征识别特定环境声音[D];福州大学;2014年
4 史正星;膀胱赘生物影像学纹理特征的初步研究[D];第四军医大学;2009年
5 王长梅;纹理特征在~(18)F-FDG PET/CT显像肺癌诊断中的应用[D];复旦大学;2011年
6 岳俊;南疆盆地主栽林果树种多尺度纹理特征及分类研究[D];新疆农业大学;2015年
7 丛鑫;基于纹理特征的图象检索研究[D];辽宁工程技术大学;2007年
8 张跃;融合颜色和纹理特征的建材图像检索技术研究[D];武汉理工大学;2012年
9 王小平;基于扩展八邻域局部纹理特征的人脸识别研究[D];西安电子科技大学;2013年
10 刘春雨;基于纹理特征的舌象分类研究及应用[D];哈尔滨工业大学;2006年
,本文编号:940898
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/940898.html