基于特征提取和半监督学习的图像分类算法

摘要

图像的光谱特征、高频纹理特征和中低频纹理特征,影响算法的特征提取结果,现有的图像分类算法由于特征提取与训练方法工作不到位,导致分类准确率难以达到预期目标,针对该问题研究基于特征提取和半监督学习的图像分类算法.算法设置过滤式、封装式以及嵌入式特征筛选规则,预处理原始图像特征信息;增强图像敏感区域,提取图像光谱特征,利用灰度共生矩阵和复值函数Gabor滤波,提取图像高频纹理和中低频纹理特征;数据训练采用半监督学习方法,通过不断更新分类器完成对图像的分类工作.结果表明,与5组其他分类算法相比,文中算法提取到了4处不明显的图像特征;在500、750和1000次分类器更新的条件下,当近邻个数为7时,文中分类算法的准确率出现峰值,分别为92.51％、90.65％和90.22％,比5组算法的平均分类准确率,高出了1.98％、3.08％和4.14％,新的分类算法的分类效果超过预期.