基于支持向量机和遗传算法的纹理识别

被引：13

作者：

李杰

楚恒

朱维乐

彭静

机构：

[1] 电子科技大学电子工程学院,电子科技大学电子工程学院,电子科技大学电子工程学院,河北科技大学四川成都,四川成都,四川成都,河北石家庄

来源：

四川大学学报(工程科学版) | 2005年 / 04期

关键词：

纹理识别; 离散小波变换; 支持向量机; 遗传算法;

D O I：

10.15961/j.jsuese.2005.04.023

中图分类号：

TP391.4 [模式识别与装置];

学科分类号：

0811 ; 081101 ; 081104 ; 1405 ;

摘要：

为了解决尺度变化和训练样本有限给纹理识别带来的困难,提出了一种基于支持向量机和遗传算法的纹理识别新方法。该方法用小波变换各子带图像共生矩阵参数、分析窗口大小、像素均值和像素标准差等参数作为纹理特征,用多类支持向量机作为分类器。用遗传算法对纹理特征集进行了优化;用输出纠错码将二类支持向量机扩展到多类,提高了分类器的泛化能力。用包含有25类单色自然纹理的图像库进行识别试验,结果表明,该方法的识别错误率小于10%,得到了比传统的贝叶斯等方法更高的识别率和更好的推广性。

引用

页码：104 / 108

页数：5

共 8 条

[1]

An Overview of Statistical Learning Theory. Vapnik V. IEEE Transactions on Neural Networks . 1999

[2]

Wavelet-based rotational invariant roughness features for texture classification and segmentation. Charalampidis D,Kasparis T. IEEE Transactions on Image Processing . 2002

[3]

A comaprison of methods for multiclass support vector machines. Hsu Chih-Wei,Lin Chi-Jen. IEEE Transactions on Neural Networks . 2002

[4]

Texture classification and segmentation using multiresolution simultaneous autoregressive models. Mao J,Jain A K. Pattern Recognition . 1992

[5]

Texture classification by wavelet packet signatures. Laine A,Fan J. IEEE Trans Pattern Anal Mach . 1993

[6]

Textural features for image classification. Haralick R,Shanmugam K,Dinstein I. IEEE Transactions on Circuits and Systems . 1973

[7]

M-Band Wavelet Discrimination of Natural Textures. Chitre Y,Dhawan A P. Pattern Recognition . 1999

[8]

On nearest-neighbor error-correcting output codes with application to all-pairs multiclass support vector machines. Klautau A,Jevtic N,Orlitsky A. Journal of Machine Learning Research . 2003

← 1 →