首页> 中文期刊> 《河北大学学报：自然科学版》 >基于小波变换和支持向量机的图像分类

基于小波变换和支持向量机的图像分类

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

提出了一种基于小波变换和支持向量机的图像分类新方法,该方法利用小波变换进行图像特征提取,利用支持向量机进行图像分类,并与基于图像底层特征的分类方法进行了实验比较.实验结果表明该方法具有较好的分类性能.

著录项

来源
《河北大学学报：自然科学版》 |2007年第3期|317-321|共5页
作者
翟俊海; 张素芳; 王熙照;
展开▼
作者单位

河北大学数学与计算机学院;

河北省信息工程学校数学教研室;

展开▼
原文格式 PDF
正文语种 chi
中图分类信息处理（信息加工）;
关键词
图像; 图像分类; 特征提取; 小波变换; 支持向量机;

相似文献

中文文献
外文文献
专利

1. 基于小波变换和支持向量机的纹理图像分类研究 [J] . 叶炜 ,郑灵凤 ,周云蕾 . 电脑知识与技术 . 2015,第018期
2. 基于小波变换和多类支持向量机的图像分类 [J] . 翟俊海 ,王熙照 ,张素芳 . 计算机工程与应用 . 2007,第016期
3. 基于三通道分离特征融合与支持向量机的混凝土图像分类研究 [J] . 张成 ,侯宇超 ,焦宇倩 . 图学学报 . 2021,第006期
4. 基于卷积神经网络和支持向量机的水稻种子图像分类识别 [J] . 杨红云 ,黄琼 ,孙爱珍 . 中国粮油学报 . 2021,第012期
5. 基于视觉词袋模型和支持向量机的蜡染图像分类 [J] . 周长敏 ,佘佐明 ,吴安丽 . 现代计算机（专业版） . 2020,第020期
6. 基于Relief-F特征加权支持向量机的语义图像分类 [C] . 刘杰 ,杜军平 . 2011年中国智能自动化会议 . 2011
7. 基于深度学习和小波变换的高分辨SAR图像分类 [A] . 牟树根 . 2017

获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

客服微信
服务号