图像分类 image classification

根据各自在图像信息中所反映的不同特征，把不同类别的目标区分开来的图像处理方法。它利用计算机对图像进行定量分析,把图像或图像中的每个像元或区域划归为若干个类别中的某一种,以代替人的视觉判读.

图像分类方法常见的有以下几种:

一、图像空间的分类方法—利用图像的灰度,颜色,纹理,形状,位置等底层特征对图像进行分类;例如:

[1]利用灰度直方图特征对图像进行分类;

[2]利用纹理特征对图像进行分类;

[3]采用纹理,边缘和颜色直方图混合特征对图像进行分类 ;

[1],[2],[3]均采用SVM作为分类器.

[4]用矩阵表示图像,矩阵元素是相应象素的灰度值,然后用SVD和PCA方法抽取图像特征,BP网络作为分类器.

图像空间的分类方法的共同缺点是数据量大,计算复杂性高,但分类精度一般比较理想.

二、特征空间的分类方法—首先将原图像经过某种变换如K-L变换,小波变换等变换到特征空间,然后在特征空间提取图像的高层特征以实现图像的分类.这类分类方法尤以纹理图像分类和遥感图像分类最多.以下是常见的纹理分类方法,基本上都用到了高波过滤器。

[1]Support vector machine classifier Gabor filters and wavelet transform;

[2]Multiple neural network classifiers Gabor filters;

[3]Bayesian network classifier Gabor filters and Statistical features;

[4]Support vector machine classifier Gabor filters

特征空间的分类方法可降低数据维数,降低计算复杂性,但问题相关性较强,与特征提取的方法和效果有很大关系.