基于词袋模型的林业业务图像分类

编号 zgly0001548979

文献类型 期刊论文

文献题名 基于词袋模型的林业业务图像分类

作者 张广群  李英杰  汪杭军 

作者单位 浙江农林大学信息工程学院  浙江农林大学浙江省林业智能监测与信息技术研究重点实验室  浙江农林大学暨阳学院 

母体文献 浙江农林大学学报 

年卷期 2017年05期

年份 2017 

分类号 S758  TP391.41 

关键词 森林计测学  林业业务图像  图像分类  特征提取  BoW模型  支持向量机 

文摘内容 针对林业业务图像的特点,提出了一种基于稠密尺度不变特征转换(Dense SIFT)特征的词袋(BoW)模型,并联合直方图正交核的支持向量机(SVM)对图像自动分类。首先采用Dense SIFT提取林业业务图像特征,然后使用BoW模型描述各业务图像,最后利用SVM进行分类识别。实验结果表明:采用Dense SIFT特征比SIFT特征训练时间和识别时间更短,并有更高的识别率,更适应实时性较高的场合;SVM采用多项式核函数(Poly),径向基核函数(RBF),多层感知器核函数(Sigmoid)以及直方图交叉核对3类林业业务图像分类时,直方图正交核取得的平均识别率最高;综合Dense SIFT在局部特征上的优势,加上BoW模型和直方图交叉核SVM分类器,平均识别率达到了86.7%,有较好的识别效果。