基于復雜網(wǎng)絡(luò)的圖像分類研究.pdf

1、圖像分類是根據(jù)數(shù)字圖像中所包含的特征，按照圖像特征間的差異，將目標圖像分為不同類別的一種圖像處理方法。隨著計算機技術(shù)與互聯(lián)網(wǎng)的發(fā)展，利用人工智能、機器學習等方法實現(xiàn)圖像分類是近年來研究的熱點問題。
　　在圖像分類研究中，圖像特征的提取與圖像特征編碼是研究中的熱點與難點問題。圖像的特征提取是圖像分類的基礎(chǔ)，在特征提取過程中特征的完備性是圖像能夠正確分類的基礎(chǔ)。圖像特征編碼是對圖像特征進一步的統(tǒng)計與分析，直接影響圖像分類的準確率。

2、r>　　在本文中，從特征提取與特征編碼兩個角度對圖像分類技術(shù)進行研究。
　　首先，在特征提取的過程中提出了基于復雜網(wǎng)絡(luò)的圖像特征提取方法，將數(shù)字圖像的特征點作為網(wǎng)絡(luò)節(jié)點，特征點間的相互關(guān)系作為權(quán)重，構(gòu)造復雜網(wǎng)絡(luò)，為圖像特征提取做好充分準備。在本文中，對常用的圖像特征提取算法進行分析與對比后，采用SIFT特征作為圖像特征網(wǎng)絡(luò)節(jié)點，并對常用的相似性度量方法進行分析，采用相關(guān)系數(shù)作為網(wǎng)絡(luò)中連邊的權(quán)重。然后，選用常用的統(tǒng)計常量對網(wǎng)絡(luò)特征進

3、行表征，完備圖像信息的表達。其次，在特征編碼過程中，為了抑制局部線性約束編碼的不穩(wěn)定性，提出了一種新的編碼方式，即通過增加非負性約束條件，以增強編碼算法的穩(wěn)定性。在圖像特征匯聚階段，采用最大值匯聚，實現(xiàn)特征向量對數(shù)字圖像的表達。最后，用分類器完成圖像分類。
　　實驗表明，本文提出的算法能夠?qū)D像進行有效的分類，在VOC Action classification數(shù)據(jù)集上分類準確率最高可以達到97.00％。因此，是一種較為有效的圖像