一种基于邻域粗糙集特征选择的图像分类方法

摘要：

在图像分类中,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,使得图像分类的准确率降低.针对上述问题,通过改进邻域粗糙集特征选择算法,使其可以处理多维的图像特征,并将该算法应用于图像分类中.利用HOG和SURF之间的优势互补特性提取图像特征,并用邻域粗糙集特征选择算法剔除图像中的冗余特征;结合空间金字塔匹配模型,得到最终的图像描述;利用线性SVM分类器进行图像分类.实验结果表明该方法具有很好的分类性能和鲁棒性.

关键词：图像分类、邻域粗糙集、特征选择、空间金字塔匹配、HOG、SURF

所属期刊栏目：42

分类号：TN911.73-34

资助基金：山西省回国留学人员科研项目2015-045

在线出版日期：2019-06-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：89-93,99