基于Adaboost算法的多特征融合圖像分類的研究與應用.pdf

1、隨著網(wǎng)絡的快速發(fā)展，圖片信息成為了網(wǎng)絡信息的一大組成部分。然而網(wǎng)絡圖像的爆炸性增長使人們尋找到自己需要的圖片也愈發(fā)困難，這讓網(wǎng)民進入了一個“信息發(fā)達，知識匱乏”的怪圈。但這一現(xiàn)象也促進了新技術(shù)的產(chǎn)生。圖像分類技術(shù)是解決這一問題的方法之一。它可以根據(jù)圖像的內(nèi)容自動將圖像分到相應的類別，能大大減少傳統(tǒng)的人工標注的工作量和提高圖像檢索的精確性。在本文中就介紹了一種使用Adaboost算法集成圖像的多種特征進行圖像分類的方法。
　　本論文

2、的主要貢獻和創(chuàng)新點如下:
　　本文提出了一種利用圖像的多種特征來進行圖像分類的方法。一幅圖像有很多方面的特征，而且相同類型的圖像在圖像特征方面有一定的相似性。常用的圖像特征有顏色特征、紋理特征、形狀特征、空間關(guān)系特征等。圖像的一種特征只能顯示圖像的片面信息，而且不同的圖像特征對圖像的分類效果往往不同。所以為了更精確的描述圖像，可以綜合圖像的多種特征來描述圖像。在本文中，利用了圖像的顏色、紋理和形狀特征。其中，使用顏色直方圖方法提取

3、顏色特征，小波分解與灰度共生矩陣方法提取紋理特征，小波去噪與Hu不變矩法提取形狀特征。并將這三種圖像特征進行融合，將融合后的信息作為圖像分類的依據(jù)。
　　本文中使用Adaboost算法作為圖像分類算法，使用knn算法作為弱分類器的訓練算法。Adaboost算法一種迭代算法，通過迭代次數(shù)的增加可以有效地提高圖像分類的準確率。
　　本文采用Adaboost算法集成圖像的顏色，形狀，紋理特征來進行圖像的分類。并把實驗所得的結(jié)果與使