结合分块模糊熵和随机森林的图像分类方法

被引：3

作者：

肖玉玲 ^{[1
]}

仵征 ^{[1
]}

朱煜 ^{[2
]}

机构：

[1] 河南应用技术职业学院建筑工程学院

[2] 华东理工大学信息科学与工程学院

来源：

电子技术应用 | 2017年 / 43卷 / 07期

关键词：

图像分类; 模糊熵; 随机森林; 模糊c均值; 图像分块;

D O I：

10.16157/j.issn.0258-7998.2017.07.031

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为提高图像分类性能,提出了一种图像分类方法。其基本思想是将图像内容的不确定性描述看作是一个随机过程,采用分块模糊熵来提取图像特征,采用随机森林方法进行特征分类。首先,考虑全局和局部特性,将图像划分为多个图像子块;然后,对每一个图像子块进行模糊c均值聚类,提取模糊熵特征;接着,通过归一化处理,得到图像的模糊熵特征向量;最后,构造随机森林分类器,实现模糊熵特征向量的分类。实验结果表明,该方法的错分率低,分类耗时少。

引用

页码：122 / 126

页数：5

共 9 条

[1] 基于DBN模型的遥感图像分类
吕启
窦勇
牛新
徐佳庆
夏飞
[J]. 计算机研究与发展, 2014, 51 (09) : 1911 - 1918
[2] MapReduce框架下的实时大数据图像分类
张晶
冯林
王乐
刘胜蓝
[J]. 计算机辅助设计与图形学学报, 2014, (08) : 1263 - 1271
[3] 基于稀疏编码多尺度空间潜在语义分析的图像分类
赵仲秋
季海峰
高隽
胡东辉
吴信东
[J]. 计算机学报, 2014, 37 (06) : 1251 - 1260
[4] Fuzzy aura matrices for texture classification[J] . Kamal Hammouche,Olivier Losson,Ludovic Macaire.Pattern Recognition . 2015
[5] Sparse distributed localized gradient fused features of objects[J] . Swathikiran Sudhakaran,Alex Pappachen James.Pattern Recognition . 2014
[6] Data mining in the Life Sciences with Random Forest: a walk in the park or lost in the jungle?[J] . Wouter G. Touw,Jumamurat R. Bayjanov,Lex Overmars,Lennart Backus,Jos Boekhorst,Michiel Wels,Sacha A. F. T. van Hijum.Briefings in Bioinformatics . 2013 (3)
[7] Particulate matter characterization by gray level co-occurrence matrix based support vector machines[J] . K. Manivannan,P. Aggarwal,V. Devabhaktuni,A. Kumar,D. Nims,P. Bhattacharya.Journal of Hazardous Materials . 2012
[8] Content Based Medical Image Retrieval with Texture Content Using Gray Level Co-occurrence Matrix and K-Means Clustering Algorithms[J] . B. Ramamurthy,K. R. Chandran.Journal of Computer Science . 2012 (7)
[9] Encyclopedia of Systems Biology .2 VENS C. . 2013

← 1 →