翟艳东，于 明，王 岩，韩淑珍

(河北工业大学 计算机科学与软件学院，天津300401)

责任编辑:时 雯

目前，互联网上的图像数量迅速增长。如果不按一定的规则对这些图像进行管理，那么必将给用户的使用带来诸多不便。图像分类以分类速度快、节省人力等优势有助于克服海量图像带来的难关。

在对图像进行分类时，不同用户有不同的需求，即使是同一个用户在不同的时期也可能会有不同的需求。针对这种需求变化，为了满足不同的图像管理需要，提出一种适用性更强的图像分类方法迫在眉睫。另外，考虑到某一显著的单一特征通常能够快速且准确地分类差别非常大的图像，因此将这一思想引进到图像自动分类管理中，首先按照不同的单一显著特征对图像进行粗分类，粗分类之后再融合其余的底层特征对图像进行更细一层的分类。每一层分类时选择的图像特征不同，分类结果也会有所不同，这样就可以按照不同需求将图像分为多种不同的类别。

本文通过分析对比实验结果，研究不同特征向量对图像分类的影响。并根据图像之间存在的不同显著特征，实现一种新的多级分类方法。该分类方法具有更好的适用性，也更加符合人们通过计算机自动管理图像的实际需要。

1 不同图像特征提取方法研究

通过分析确定最能凸显图像内容的底层特征包括颜色[1]、纹理和边缘，完成图像底层特征的提取。重点研究各底层特征的不同提取方法，通过比对不同特征提取方法提取的特征向量对图像分类结果的影响以及维数的大小等因素，确定颜色特征、纹理特征和边缘特征的最终提取方法。……