一种基于三支决策的花卉图像分类

传统的基于二分类模式的花卉图像分类方法因图像信息不完整和不确定,分类精度不高.三支决策因其获取事物更多信息后再进行延迟决策,成为一种有效的分类模型.为提高花卉图像分类精度,本文给出一种基于三支决策的花卉图像分类方法.首先利用单一特征对花卉图像进行分类,并依据决策状态值选取适当的阈值将图像集三分为POS1域、BND1域和NEG1域;其次定义域之间的转移规则,并分别对BND1域和NEG1域所包含的图像提取新特征;然后融合新特征后分别对BND1域和NEG1域包含的图像进行分类,并依据决策状态值选取适当的阈值对相应的图像集继续三分,依此进行多层"三分-治略",进而提高图像分类精度;最后采用牛津大学VGG小组的花卉图像集,实验验证了该方法的有效性.