基于SVM与颜色/纹理组合特征的景物识别算法

受多种因素影响,室外场景变换复杂,因此利用单个特征(通常多使用颜色或纹理)完成室外场景的识别,不能达到满意的效果。首先基于RGB空间的颜色直方图进行颜色特征提取,然后基于Gabor滤波器进行纹理特征提取,最后将两种特征结合,提出了基于SVM与颜色/纹理组合特征的景物识别算法。基于美国加州理工学院的Pasadena Houses2000数据库建立了室外场景中天空、道路、房子、树木和草地等5类样本训练库,进一步完成了基于SVM的单一特征和颜色/纹理组合特征的景物识别。实验结果表明,该算法对仅用一种视觉特征无法区分景物的室外场景图像能取得较好的分类结果。

基于人工智能的景物识别算法

图像识别是模式识别领域的研究热点。对于室外景物识别,由于场景变换复杂,使用单一特征常常难以取得较好的分类效果。本文首先基于RGB空间的颜色直方图进行颜色特征提取,然后基于灰度共生矩阵进行纹理特征的提取,最后将两种特征结合,基于颜色/纹理组合特征,提出了以BP神经网络作为分类器的景物识别算法。该算法对使用单一特征难以进行有效识别的景物图像能取得较好的分类结果。