风格化织物图像分类的研究与应用

摘要

织物图像的风格是指一种固有的模式,这种模式不仅包括了织物中的图案而且也包括了它们各自的空间关系。每种风格的图案都有各自的独特性。基于风格语义的织物图像分类非常有助于织物图像的标注、整理和检索。本文主要研究了风格化织物图像分类问题中图像内容特征提取和模式分类的几种主要算法,并通过实验比较了这些方法在风格化织物图像分类中的表现,最后设计与实现了基于SIFT特征直方图内容特征的图像分类检索系统。
　　 在图像内容特征提取方法上,主要选取了三种具有代表性的算法,分别为基于统计学的灰度共生矩阵法、基于频域分析的傅里叶能量频谱法和基于局部特征的SIFT特征直方图法。在模式分类方法上,主要介绍了三种各具特色的分类算法,分别为属于无监督学习的k-means方法、将弱分类器组合为强分类器的boosting方法和基于统计学习理论的支持向量机方法。在实验方面,我们首先比较分析了各种内容特征提取方法与分类方法在分类效果上的表现,最后结合实验结果对现有的一些方法进行了改进提出了一种新的算法,并且取得了理想的结果。
　　 基于改进后提出的新算法,设计与实现了基于SIFT特征直方图内容特征的图像分类检索系统。这个系统界面友好,功能完善,满足了实际使用的需求。