基于BoF模型的多特征融合纹理图像分类

• 作 者: 汪宇玲 黎明 李军华 张聪炫 陈昊
• 机 构: 南京航空航天大学自动化学院,南京211106东华理工大学信息工程学院,南昌330013;南京航空航天大学自动化学院,南京211106;南昌航空大学图像处理与模式识别江西省重点实验室,南昌330063
• 出 处: 北京航空航天大学学报
• 发表日期: 2018年09期
• 关键词: 纹理分类 多特征融合 特征词袋(BoF) 灰度梯度共生矩阵(GGCM) 尺度不变特征转换(SIFT)

针对特征词袋(BoF)模型缺乏空间和几何信息,对纹理图像内容表达不明显等问题,提出一种基于BoF模型的多特征融合纹理分类算法。将灰度梯度共生矩阵(GGCM)和尺度不变特征转换(SIFT)融合特征作为纹理图像的区域特征描述,通过动态权重鉴别能量分析进行最优参数特征选择,并用BoF量化纹理特征,使用支持向量机对图像进行训练和预测,得出分类结果。实验结果表明,本文算法对有旋转扭曲的纹理、边缘模糊纹理、有光照变化的纹理及杂乱纹理等均能取得较好的分类效果,相对于传统BoF模型及凹凸划分(CCP)方法等算法在U