基于最优特征加权的图像分类算法
2017-07-31王玉晶
中北大学学报(自然科学版) 2017年2期
王玉晶
(阿坝师范学院教务处, 四川 汶川 623002)
基于最优特征加权的图像分类算法
王玉晶
(阿坝师范学院教务处, 四川 汶川 623002)
通过研究图像分类过程中特征选择和分类器构建问题, 提出了一种基于最优特征加权的图像分类算法. 首先提取图像的颜色和纹理特征, 接着采用混沌粒子群优化算法对特征的权值进行求解, 确定每一个特征对图像分类的贡献, 最后采用相关向量机对加权的图像样本集进行学习, 构建分类器, 从而实现图像的分类. 实验结果表明, 相对于当前较流行的图像分类模型, 该模型不仅能够提高图像的分类准确率, 而且能够大幅度减少了图像的分类时间, 具有一定的实际应用价值.
图像分类; 特征选择; 混沌粒子群算法; 相关向量机
0 引 言
随着图像处理技术的不断成熟, 网络上图像数量急剧增加, 对大规模图像进行有效管理, 快速、 准确找到用户需要的图像具有十分重要的意义[1]. 图像分类是图像管理中的关键技术, 因此, 如何构建性能优异的图像分类模型, 提高图像的检索效率和正确率显得尤为重要[2].
为了提高图像分类的正确率, 提出一种混沌粒子群(Particles Swarm Optimization, PSO)算法优化特征权值的图像分类模型(PSO-RVM), 该模型采用混沌粒子群算法确定特征权值, 并采用相关向量机(Relevance Vector Machine, RVM)构建图像分类器. 仿真实验结果表明, PSO-RVM不仅提高了图像分类的正确率, 而且图像分类速度得到大幅提升, 具有较高的实际应用价值.
1 相关研究工作
图像分类……
登录APP查看全文
