计算机科学与探索

作者：陈德运，付立军，张学松，于梁，陈海龙，李骜

单位：1.哈尔滨理工大学 计算机科学与技术学院，哈尔滨 1500802.北京兆芯集成电路有限公司，北京 1000843.酒泉卫星发射中心，甘肃 敦煌 736200

关键词：图像分类,二维主成分分析（2DPCA）,快速傅里叶变换（FFT）,稀疏方法,多种表示方法

针对不同图像提取出显著的特征对于图像分类是非常有意义的，然而单一图像分类方法不能在所有图像上都取得好的鲁棒性，通过多视角来提取不同特征，并将其融合来有效地解决这个难题。首先，利用二维主成分分析（2DPCA）提取图像的特征，然后根据获取特征进行图像重构（虚拟图像）。其次，利用快速傅里叶变换（FFT）获取图像的频谱特征。接着，将原始图像、虚拟图像、频谱特征分别利用稀疏方法获取得分。最后，利用一种新颖融合机制将上述得分进行融合，并根据新获取得分进行图像分类。获取的多特征和原始图像进行了互补，使该算法更具有鲁棒性；该方法具有稀疏性，提高了图像分类的性能；此外，它能自动获取参数，不需要手动调参。实验结果表明，该方法在不同情景下具有高的图像分类准确率。

来源：2019年第12期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2019年第12期