如需要完整文档点击下方 "点击下载文档" 按钮

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。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于词袋模型的林业业务图像分类》

将 完整文档 下载到本地，方便收藏和查阅

文件号：106013

点击下载文档