基于BoF和迹变换多特征融合的图像纹理分类研究

摘要：

针对BoF模型缺少几何特征、结构特征的表达,对纹理图像特征描述不充分等问题,提出一种基于BoF和迹变换多特征融合的图像纹理分类方法.首先通过关键点检测的方法获取纹理图像的碎片化图像,然后提取碎片化图像的迹变换特征和SIFT特征,通过特征交叉编码的方式和动态鉴别能量的方法,获取迹变换特征和SIFT特征的融合特征并进行特征单词优选,再以BoF模型进行特征编码,最后输入到支持向量机(SVM)中进行训练、预测和分类.实验在OutexTC10/TC12000和KTHTIPS纹理数据集上分别取得了100％、99.87％和97.6％的识别精度,结果表明该设计方法对具有几何特征、结构特征的纹理图像可以获得较好的分类效果,有效地提高了纹理分类的识别性能.

关键词：图像纹理分类、特征融合、BoF模型、迹变换、特征单词优选、特征编码、实验分析

所属期刊栏目：46

分类号：TN911.73-34

资助基金：国家自然科学基金;江西省核地学数据科学与系统工程技术研究中心开放基金项目

在线出版日期：2023-06-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：43-50