面向叶子图像的植物归类的特征序列描述方法

被引：2

作者：

谢从华 ^{[1
]}

王立军 ^{[2
]}

常晋义 ^{[1
]}

机构：

[1] 常熟理工学院计算机科学与工程学院

[2] 北京北大千方科技有限公司

来源：

计算机应用研究 | 2012年 / 29卷 / 12期

关键词：

局部特征; 全局特征; 图像归类; 混合模型;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对叶子图像的植物数据库的归类系统,提出了一种新的基于高斯混合模型特征函数的图像特征序列描述方法。定义了图像的高斯混合模型、特征函数及其性质,用自适应的方法把图像分解为K个模型,并在每个分量模型和混合模型上定义由频谱、相位角和功率谱组成的局部特征序列和全局特征序列。在中国科学院智能计算所的叶子图像数据集leaves(ICL)上进行了K-means归类实验,结果表明该图像描述方法比LBP局部综合特征和高斯混合密度函数有更好的归类结果。

引用

页码：4740 / 4742+4746 +4746

页数：4

共 22 条

[11] Distinctive image features from scale-invariant keypoints [J].

Lowe, DG .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 60 (02) :91-110

[12]

A comprehensive review of current local features for computer vision[J] . Jing Li,Nigel M. Allinson. &nbspNeurocomputing . 2008 (10)

[13]

Two-dimensional PCA: a new approach to appearance-based face representation and recognition. Jian Yang,David Zhang,Alejandro F Frangi,et al. IEEE Transactions on Pattern Analysis and Machine Intelligence . 2004

[14]

Farthest point distance: A new shape signature for Fourier descriptors[J] . Akrem El-ghazal,Otman Basir,Saeid Belkasim. &nbspSignal Processing: Image Communication . 2009 (7)

[15]

多元统计分析[M]. 科学出版社 , 张润楚, 2006

[16]

Intelligent Computing Laboratory. Chinese Academy of Sciences Homepage.http://www.intelengine.cn/English/dataset .

[17]

Multiresolution gray-scale and rotation invariant texture classification with local binary patterns. Ojala T,Pietikainen M,Maenpaa T. IEEE Transactions on Pattern Analysis and Machine Intelligence . 2002

[18]

Local grayvalue invariants for image retrieval. Schmid C,Mohr R. IEEE Transactions on Pattern Analysis and Machine Intelligence . 1997

[19]

Principal manifolds and probabilistic subspaces for visual recognition. Moghaddam B. IEEE Transactions on Pattern Analysis and Machine Intelligence . 2002

[20]

Classification of plant leaf images with complicated background. Wang,X.F,Huang,D.S,Du,J.X,Huan,X,Heutte,L. Journal of Applied Mathematics . 2008

← 1 2 3 →