KNN分类器在新疆维吾尔药材图像分类中的应用

目的：探讨 K 近邻结点算法（k-Nearest Neighbor algorithm，KNN）分类器在新疆维吾尔药材图像分类中的应用。方法采用 KNN 分类器对新疆维吾尔药材图像的灰度-梯度共生矩阵特征和 Tamura 纹理特征进行判别分类。选取训练样本为80、100、120的3个训练集，训练并得到最优 K 值，并分别在测试样本为120、100、80的3个测试集中验证结果。结果K 值越小（3～13），KNN 分类器对叶类图像分类准确率越高；K 值越大（63～71），KNN 分类器对花类图像分类准确率越高。当 K 值取3～13时，120、100、80的3个测试集中叶类图像的平均分类准确率分别为94．72％、89．45％、82．61％；K 值取63～79时，120、100、80的3个测试集中花类图像的平均分类准确率分别为74．71％、72．79％、76．55％。结论KNN 分类器可为新疆维吾尔药材图像类型判断提供一定的依据，为新疆维吾尔药材图像检索系统的检索精度的提升奠定了基础。

新疆维吾尔草药图像特征提取及分类研究

目的探讨决策树C4.5算法及主成分分析法在新疆维吾尔草药图像分类中的应用。方法选取新疆维吾尔草药图像450张,其中花类、叶类、果类图像各150张。对图像进行去噪、尺度归一化和空间转换等预处理;利用颜色直方图与颜色矩法分别提取3种草药的特征;采用主成分分析(PCA)法对所提取的特征进行筛选;构造一个基于C4.5决策树算法的图像分类器,使用决策树C4.5算法,对颜色直方图、颜色矩、14个综合特征及主成分分析获取的特征进行分类,以验证特征的分类能力。结果颜色直方图特征分类准确率为63.11%,颜色矩特征分类准确率为65.11%,14个综合特征分类准确率为54.76%,PCA选择的特征分类准确率为72.00%。结论综合特征的分类准确率较单一特征低,表明在进行分类时,冗余特征可能会降低分类准确率;利用PCA选择后的特征分类准确率较高,表明该算法能有效减少冗余特征,弥补单一特征分类的局限性,从而提高整体分类效率,为提高后续基于内容的图像检索系统的检索效率奠定了基础。