摘要
针对图像的特性,提出了1种视觉单词集成学习方法。该方法建立在3种初始映射方法的基础上,并充分利用图像的矩、纹理直方图、图像傅里叶描述子等图像视觉特征来分类图像语义。相对于3种初始映射方法,采用Boosting集成学习方法生成的视觉单词集合在图像语义分类上比单独使用任意1种映射方法生成的视觉单词集合有明显的提高。实验结果表明,本文所提出的视觉单词Boosting集成学习方法在图像语义区分性和描述能力方面是有效的,能充分反映人对图像内容的理解,具有很好的应用价值。
For the character of images, the visual words ensemble learning approach is proposed to use boosting in this paper. The proposed approach used image moment, texture histogram, and image Fourier descriptor for classification image semantic according to three initial mappings. Comparison these initial mappings; the visual words by generated boosting ensemble learning approach can better improve classification rate of the image semantic than other visual words by generated three initial mappings. Experimental result shows that the proposed approach is effective in image semantic distinction and descriptive ability, which can reflect understand for image content, and it has very good application value.
出处
《电子测量技术》
2012年第8期53-56,共4页
Electronic Measurement Technology
基金
教育部人文社会科学研究规划基金项目(No.11YJAZH040)
武汉市科技攻关计划(No.201210121023)
关键词
视觉特征
图像语义
集成学习方法
视觉单词
visual features
image semantic
ensemble learning approach
visual words
作者简介
金聪，女，博士，教授。主要研究方向为数字图像处理与模式识别。金枢炜，男，武汉大学物理科学与技术学院学生。主要研究方向为数字图像处理，信号处理。
