72、图像分类中的特征提取与分类方法研究

图像分类中的特征提取与分类方法研究

在图像分类领域，如何有效提取图像特征并进行准确分类一直是研究的热点。本文将介绍两种不同的图像分类相关技术，一种是基于遗传算法的流形学习自动维数估计，另一种是基于Gabor小波变换的新型Gabor - PHOG特征用于对象和场景图像分类。

流形学习自动维数估计

基于遗传算法的流形学习自动维数估计方法，旨在通过最优特征选择框架，提高分类任务的全局性能，同时降低计算复杂度。

• 实验结果

  • 采用LLE方法，在UMIST数据集上进行了5次随机划分实验，不同训练比例下的平均最佳识别率如下表所示：
    | 数据集 | Train30% | Train50% | Train70% |
    | — | — | — | — |
    | Orig. | 64.3 (47.4) | 73.7 (60.1) | 78.5 (66.4) |
    | GA | 61.6 (54.5) | 73.1 (64.6) | 77.7 (68.8) |
    | FS | 60.3 (45.5) | 72.3 (58.2) | 76.0 (63.9) |

  • 通过遗传算法获得的所选特征的大小如下表所示：
    | 数据集 | ORL | UMIST | Yale | Ex.Yale |
    | — | — | — | — | — |
    | LE | 68 (200) | 141 (300) | 54 (120) | 486 (1200) |
    | LLE | 77 (200) | 82