基于层次形状特征提取模型的图像分类

摘要

研究了基于层次形状特征提取的图像分类.针对从初级视觉皮层(V1)提取的条形特征对目标形状的描述不充分,提出了一种层次模型(V1-V2-V4),以进一步提取角形、曲率特征.模型中V1层的条形特征提取采用Gabor模拟;V2层结合了抑制噪声的3D高斯差分(DOG),并使用滤波方向相差90度的Gabor滤波器组提取多尺度角形特征;V4层通过曲率域计算来描述目标轮廓的形变程度,并最终提取融合曲率与梯度方向的直方图特征.该模型的优势在于,通过角形以及曲率计算的层次表达,可有效增强目标形状的关键特征点(如角点位置)的提取,并且结合曲率与梯度的直方图描述,也可有效弥补单一曲率或梯度特征局部描述不足的问题.在MNIST手写数字与21类遥感影像上的实验表明,曲率与梯度的融合特征的运用可获得98.94％的数字识别精度,同时在遥感影像分类中也可获得较好的分类效果.