基于多特征提取和粒子群算法的图像分类.pdf

《基于多特征提取和粒子群算法的图像分类.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、工程实践及应用技术基于多特征提取和粒子群算法的图像分类卢文清，何加铭一，曾兴斌。’，史智慧’(1．宁波大学通信技术研究所，浙江宁波315211；2．浙江省移动网应用技术重点实验室，浙江宁波315211；3．宁波新然电子信息科技发展有限公司，浙江宁波315211)摘要：现有图像分类大都采用单一特征，不能利用多个特征之间性能互补优势，且将特征选择与分类器构造分割开来，影响图像分类的精度和分类器的泛化能力。针对以上问题提出一种基于混沌二进制粒子群算法(CBPSO)的特征选择和SVM参数同步优化方法，利用图像的综合特征，将特征选择和SVM分类器构造结合同步优化，仿真实验结果表明，

2、该算法能同步找出最优的特征子集和合适的SVM参数，提高了图像分类精度和分类器泛化能力。关键词：混沌搜索；粒子群算法；特征选择；同步优化；图像分类中图分类号：TP393文献标识码：A文章编号：1003—3114(2014)02—90—4ImageClassificationBasedonMulti·featureandParticleSwarmOptimizationLUWen—qing‘，HEJia—ming'，ZENXing．bin'，SHIZhi—hui'(1．InstituteofCommunication，NingboUniversity，NingboZhejia

3、ng315211，China；2．KeyLaboratoryofMobilelnternetApplicationTechnologyofZhejiangProvince，NingboZhejiang315211，China；3．NingboSunRunELEC．INFO．ST&dCO．，LTD，NingboZhejiang315211，China)Abstract：Mostofexistingimageclassificationadoptssinglefeature，losingcomplementaryadvantagesbetweenmultiplefeature

4、sandsplittingfeatureselectionandthechoiceoftheSVMparameters．Thiswillafecttheaccuracyofimageclassificationandgeneraliza-tionabilityofclassifier．Tosolvetheseproblems，asimultaneousfeatureselectionandSVMparameteroptimizationalgorithmbasedonchaoticbinaryparticleswarmoptimization(CBPSO)algorith

5、misputforward．WiththehelpofCBPSO，thefeatureselectionandparame—tersofSVMcouldbeoptimizedsynchronously．SimulationresultsshowthattheproposedalgorithmcanefectivelyfindouttheoptimalfeaturesubsetandappropriateSVMkernelfunctionandparameters，andimprovetheprecisionofimageclassificationandgeneraliz

6、ationabilityclassifier．Keywords：chaoticsearch；particleswarmoptimization；featureselection；synchronousoptimization；imageclassification文献[2]提出基于直推式支持向量机的图像分0引言类算法，文献[3]提出基于小波变换和支持向量机图像分类是在很多领域都是一项关键性的任的图像分类算法等。然而，文献[2]和文献[3]在对务，属于模式识别范畴，其主要方法是将经过某些预图像分类时均采用单一特征，单一特征只能描述图处理(增强、复原和压缩)后的图像，进行分割

7、和特像部分特征，对图像表示比较片面，因此图像分类精征提取，然后采用分类算法建立分类模型，最终利用度并不高。文献[4]应用三种纹理图像特征提取，模型进行待分类图像的分类⋯。只利用了纹理特征，特征种类单一，而且提取的特征中存在大量的冗余信息，而冗余信息又极大地损害基金项目：1日家科技最大项(2011zxo3002—004—02)；浙江省移动学习器的泛化能力。对于特征中存在的大量冗网络JIj技术联合蕊点实验窀(20lOE10005)；浙汀省新一代移动J余信息，可利用降维算法去除。日呵以}}j于降维朕嘲川』’·端软件科技创新⋯队(20