鲍文霞, 阎少梅, 梁 栋, 胡根生

(1. 安徽大学计算机智能与信号处理教育部重点实验室, 安徽 合肥 230039; 2. 偏振光成像探测技术安徽省重点实验室, 安徽 合肥 230031)

0 引 言

图像分类作为图像理解的基础,是计算机视觉和模式识别领域中重要且应用广泛的研究方向之一,如在目标识别[1]、物体检测[2]以及场景识别与分类[3]等方面都有应用。图像分类是利用计算机视觉技术,根据目标在图像信息中所反映出的特征,把不同类别的目标识别、区分开来的图像处理方法[4-9]。目前大部分的图像分类方法都依赖于用图像特征间的距离来度量图像内容的语义相似度,实现对图像内容的理解与分类,因此距离度量在图像分类中扮演了重要的角色,文献[10]提出了k最近邻分类方法,通过度量出与测试样本距离最近的k个训练样本,根据它们的类别来决定测试样本的类别;文献[11]在此基础上提出了基于监督的最近邻分类方法;文献[12]结合贝叶斯分类器和k最近邻分类器提出了一种新的基于距离度量的分类方法。这些算法在度量图像特征间的相似性的时候都采用的是欧氏距离,欧氏距离度量对所有属性特征同等对待,忽略了属性特征间的主次关系,没有突出不同的属性特征对分类带来不同的影响,因此会降低分类器的性能[13]。

目前流行的解决方法是用马氏度量[14]取代欧氏度量,如文献[15]提出的大间隔最近邻分类算法,从局部近邻中学习一个马氏度量距离从而实现分类。……