画像のクラス分類におけるカラー量子化の効果

摘要

画像のクラス分類は画像検索にとって基本的な問題である．クラス分類の計算コストを減少させるためにカラー画像をグレースケール画像に変換する必要がある．Intensity，Gleam，Luminance，MSBの4つの方法で変換する．Ponti等はMSBが画像のクラス分類において最も効果的であることを示した．MSBを用いた方法はカラー量子化と等価であるので，本研究ではSVMを用いて画像のクラス分類におけるカラー量子化の効果に注目した．画像の特徴量はGCHを用いた．結果としてはGleam，LuminanceでのGCHの次元が256次元の場合において正答率がカラー量子化によって16%，19%向上した．