面向照片-图形图像的二分类方法

随着科技的发展,图像应用技术日趋重要,许多图像应用技术对照片图像和图形图像的要求和效果是不同的.针对照片图像和图形图像分类的问题,本文提出了一种新的基于二分法的图像分类方法,这种方法混合了颜色、边缘和纹理三种图像特征,通过对图像特征值的K-means聚类分析,实现了照片图像和图形图像的分类.经实验验证,该方法在照片图像和图形图像的分类上取得较好的结果.

基于视觉特征的图像聚类方法研究

伴随着计算机技术和互联网技术的快速发展,人类逐渐积累的数据量急剧增多。为了从海量的数据中挖掘出有用的信息,为用户提供决策支持,聚类算法得到了广泛的关注,并应用于各类数据处理与数据挖掘之中。本项目在分析图像视觉特性的基础之上,通过对图像颜色、纹理和形状多种特征信息的有效融合,利用K-均值算法进行聚类。提出的方法在采集的图像数据集上进行实验,有很好的聚类效果。

基于小波变换和支持向量机的纹理图像分类研究

如今在充满着视觉信息的现实世界中,纹理图像由于蕴含着大量的有用信息越来越受到研究者的关注。提出了一种基于小波变换和支持向量机的纹理图像分类方法,即在分析不同纹理图像之间在内容上的显著差异的基础上,先采用双树复小波变换对图像进行基于纹理特征的提取操作,再利用支持向量机对不同纹理图像进行分类。提出的方法在包含200幅不同纹理图像的图像集上进行实验验证,获得了较好的分类结果。

面向火灾图像的特征提取与识别方法研究

提出了一种针对火灾图像进行处理的特征提取及识别方法。首先,通过建立颜色直方图提取火灾图像与非火灾图像的颜色特征;然后,利用尺度不变特征变换算法计算两类图像的局部特征,并利用主成分分析法对两类图像特征进行降维处理,再针对降维处理后的图像特征采用K均值聚类算法进行计算;最后,针对测试图像库中的图像数据,经过颜色直方图初判、局部特征与聚类中心对比等步骤获得识别结果。该方法能够将火灾图像有效、快速地识别出来,以达到及时报警的效果。