基于Gabor特征的贝类图像分类识别算法研究

针对Gabor滤波器提取特征维数过高的特点,提出了一种基于Gabor滤波器和2D PCA相结合的特征提取改进算法进行螺贝类特征提取及分类。通过Gabor滤波器提取其图像特征,确定图像特征维数,采用2D PCA方法对变换后的特征进行降维,并应用支持向量机实现贝类图像分类算法,实验结果表明:提出的特征能够很好的表示贝类,分类算法实现简单,具有良好的分类性能。

基于多尺度感知DenseNet的贝类图像分类

针对所构建的贝类图像数据库,使用稠密卷积神经网络对贝类图像进行分类识别研究,在传统池化方法的基础上,应用新的权重比例池化规则,增强了池化过程的抗干扰性;使用多尺度感知的卷积方式,扩展特征提取的感知尺度,针对形貌特征相近和相似的不同品类的贝类图像进行区分,从而实现了相似品类的贝类图像分类识别。实验结果表明,该方法能够实现高准确度的贝类图像识别,尤其针对形貌特征相似的不同品类的贝类图像的分类识别效果显著。