一种基于HOG-PCA的高效图像分类方法

被引：8

作者：

李林 ^{[1
,2
]}

吴跃 ^{[1
]}

叶茂 ^{[1
]}

机构：

[1] 电子科技大学计算机科学与工程学院

[2] 四川托普信息技术职业学院

来源：

计算机应用研究 | 2013年 / 30卷 / 11期

关键词：

方向梯度直方图; 主成分分析; 最小二阶范数; 图像分类; 图像特征;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为了更有效地提高图像分类性能和准确率,提出一种基于HOG-PCA的高效图像分类方法。首先通过提取方向梯度直方图(HOG)特征并作特征白化,再随机下采样进行尺度统一,随后采用主成分分析(PCA)进行特征映射,最后用最小二阶范数判定进行最近邻分类。实验中,采用C++,基于OpenCV和Darwin实现了提出的方法,并在Pascal 2012数据集上进行测试,比较了该方法和BOW-SVM方法的准确率和运行性能。实验证明,提出的方法具有更高的准确率和更好的运行性能。

引用

页码：3476 / 3479

页数：4

共 17 条

[1]

Histograms of oriented gradients for human detection. N. Dalal,B. Triggs. IEEEComputer Society Conference on Computer Vision and Pattern Recognition . 2005

[2]

Learning multiple layers of features from tiny images. A.Krizhevsky,G.Hinton. . 2009

[3]

The Relationship Between Precision-Recall andROC Curves. Jesse Davis,Mark Goadrich. International Conference on Machine Learning . 2006

[4]

Wiley Online Library. JOLLIFFE I. . 2005

[5]

Eigenfaces vs. fisherfaces: recognition using class specific linear projection. Belhumeur, Peter N,Hespanha, Joao P,Kriegman, David J. IEEE Transactions on Pattern Analysis and Machine Intelligence . 1997

[6]

Visual categorization with bags of keypoints. Gabriella Csurka,Christopher R. Dance,Lixin Fan,et al. Workshop on Statistical Learning in Computer Vision, ECCV . 2004

[7] 改进的HOG和Gabor,LBP性能比较 [J].