基于颜色和形状内容的图像分类：使用 RBF 网络与 PSO 技术的综述

图像查询检索的准确性通过使用图像分类技术得到提高。图像分类是一种众所周知的监督学习技术。改进的图像分类方法提高了图像查询检索的工作效率。为了改进分类技术，我们使用 RBF 神经网络函数来更好地预测图像检索中使用的特征。在使用径向基函数 (RBF) 技术的图像分类中，颜色内容由图像中的像素值表示。与 SVM 技术相比，这种方法在图像表示方面提供了更好的结果。图像通过 RBF 利用图像颜色强度的像素值以矩阵形式表示。首先，我们使用 RGB 颜色模型。在该颜色模型中，我们在矩阵中使用红、绿和蓝颜色强度值。针对图像分类实施了结合粒子群优化 (PSO) 的 SVM，应用于图像内容，基于所提出的方法获得了更好的结果，在彩色图像分类准确性方面令人鼓舞。