[发明专利]一种基于邻域粗糙集特征选择的图像分类方法在审
| 申请号： | 201810254854.0 | 申请日： | 2018-03-26 |
| 公开（公告）号： | CN108564111A | 公开（公告）日： | 2018-09-21 |
| 发明（设计）人： | 续欣莹;谢刚;刘宁;阎高伟;谢珺;李颖桃 | 申请（专利权）人： | 太原理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/46 |
| 代理公司： | 太原市科瑞达专利代理有限公司 14101 | 代理人： | 卢茂春 |
| 地址： | 030024 山西*** | 国省代码： | 山西;14 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于邻域粗糙集特征选择的图像分类方法。在空间金字塔模型上，首先，通过SURF和HOG提取图像特征，既有尺度不变特性又能描述图像局部目标的表象和形状，并采用基于邻域粗糙集的图像特征选择算法剔除SURF和HOG特征中的冗余特征；其次，对约简后的图像特征集用k‑means聚类算法生成视觉词典；然后，统计空间金字塔模型每个尺度图像各视觉特征词的个数，将获得的直方图都串联起来，并且给不同尺度的特征赋相应的权重；最后，将得到加权直方图放入线性SVM分类器中训练和预测。本发明克服了现有图像分类方法中单一特征提取容易造成图像信息的缺失，而多特征融合则会生成大量的冗余特征造成图像分类的准确率不高的缺陷。 | ||
| 搜索关键词： | 图像分类 邻域粗糙集 金字塔模型 冗余特征 特征选择 尺度 提取图像特征 图像特征选择 多特征融合 加权直方图 尺度图像 单一特征 聚类算法 视觉词典 视觉特征 图像局部 图像信息 线性SVM 分类器 特征集 直方图 准确率 放入 权重 算法 约简 剔除 串联 图像 预测 统计 | ||
【主权项】：
1.一种基于邻域粗糙集特征选择的图像分类方法，其特征在于，包括以下步骤：(1)提取训练样本和测试样本图像的特征；(2)构建训练样本图像特征表达系统；(3)用基于邻域粗糙集的特征选择算法对图像知识表达系统中的冗余特征进行剔除，得到新的图像特征集；(4)聚类生成视觉词典；(5)构建空间金字塔模型，根据生成的视觉词典，统计合并每幅图像空间金字塔的加权视觉特征直方图；(6)训练线性SVM分类器对测试图像进行分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于太原理工大学，未经太原理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810254854.0/，转载请声明来源钻瓜专利网。
