基于词袋模型的林业业务图像分类
2017-09-20分类号：S758;TP391.41
【部门】浙江农林大学信息工程学院 浙江农林大学浙江省林业智能监测与信息技术研究重点实验室 浙江农林大学暨阳学院
【摘要】针对林业业务图像的特点,提出了一种基于稠密尺度不变特征转换(Dense SIFT)特征的词袋(BoW)模型,并联合直方图正交核的支持向量机(SVM)对图像自动分类。首先采用Dense SIFT提取林业业务图像特征,然后使用BoW模型描述各业务图像,最后利用SVM进行分类识别。实验结果表明:采用Dense SIFT特征比SIFT特征训练时间和识别时间更短,并有更高的识别率,更适应实时性较高的场合;SVM采用多项式核函数(Poly),径向基核函数(RBF),多层感知器核函数(Sigmoid)以及直方图交叉核对
【关键词】森林计测学 林业业务图像 图像分类 特征提取 BoW模型 支持向量机
【基金】浙江省自然科学基金资助项目(LY16C160007);; 浙江农林大学科研发展基金人才启动项目(2013FR059)
【所属期刊栏目】浙江农林大学学报
文献传递
