论文摘要：基于梯度能量角共生矩阵的图像分类方法

随着近年来计算机网络和多媒体技术的飞速发展以及数字图像设备的普及，数字图像正逐渐取代传统的文本，成为一种保存与传递信息的重要数据格式，数字图像的理解与检索成为了当前亟需解决的问题之一。图像自动分类技术作为图像检索技术中一个重要的环节，是联系图像底层特征和高层语义之间的桥梁。图像分类技术通常首先关注图像的底层特征，并根据这些特征利用相关技术将图像与一个或多个语义连接起来，完成图像高层语义级别的分类。 图像底层特征种类繁多，关注点与适用范围也存在差异。本文从中选择一种新型的图像纹理特征，梯度能量角共生矩阵（GMACM）进行深入研究，主要研究成果如下： 提出一种面向整体图像的快速分类算法。本文首先对GMACM 进行深入研究分析，针对GMACM 对不同类型图像的表现特点提取出6 个参数，并根据提取出的参数制定出一种面向整体图像的快速分类算法，该算法可以将目标图像分为建筑图像、风景图像和人物图像三类，具有较高的分类正确率。 提出一种图像交叉分类的算法。本文首先提出了最小意义元的概念，并在此基础上将分类算法进行扩展，提出了图像交叉分类算法。该算法可以标注出图像中的风景区域和建筑区域，并可以计算出不同区域所占图像的比例。最终通过实验证明，该算法不仅具有良好的标注效果，并且可以应用在遥感图像的分析中。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://87cpy.com/204471.html