首页 | 本学科首页   官方微博 | 高级检索  
     

基于SVM的图像分类研究
引用本文:周松华,肖靓,郭鸣. 基于SVM的图像分类研究[J]. 井冈山学院学报, 2009, 30(6): 43-45
作者姓名:周松华  肖靓  郭鸣
作者单位:周松华(井冈山大学信息科学与传媒学院,江西,吉安,343009);肖靓(上海贝尔阿尔卡特股份有限公司,上海,201206);郭鸣(井冈山大学信息科学与传媒学院,江西,吉安,343009;华东师范大学信息科学技术学院电子系,上海,200062) 
摘    要:支持向量机(SVM)是一种优秀的分类方法,灰度共生矩阵(GLCM)是一种很好的纹理分析方法;本文研究了图像的颜色、纹理等特征对利用支持向量机进行图像分类的影响,提出了一种使用灰度共生矩阵进行综合特征提取的SVM图像分类方法。实验结果表明SVM方法的可行性和有效性,并得出图像综合特征的提取有利于分类效果的提高。

关 键 词:支持向量机  图像分类  灰度共生矩阵  特征提取

Study of image classification based on support vector machine
ZHOU Song-hua,XIAO Liang,GUO Ming. Study of image classification based on support vector machine[J]. Journal of Jinggangshan University, 2009, 30(6): 43-45
Authors:ZHOU Song-hua  XIAO Liang  GUO Ming
Affiliation:ZHOU Song-hua1,XIAO Liang2,GUO Ming1,3
Abstract:Support Vector Machine(SVM) has excellent performance in classification.The Gray Level Cooccurrence Matrix(GLCM) is a promising method for texture analysis.In this paper,we study the impaction of image color,texture and other characteristics on SVM for image classification.Furthermore,we propose the algoithm of texture classification by SVM,using GLCM to extract integrated features.The experimnet and analysis show that the SVM method is feasible and effective,and the integrated features extraction is helpfu...
Keywords:Support Vector Machine  Image Classification  Gray Level Co-occurrence Matrix Feature Extract  
本文献已被 CNKI 维普 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号