结合统计与基于模型的纹理特征以改进图像分类
计算机视觉与模式识别
2015-12-31 v1
摘要
本文旨在通过使用五种不同的纹理方法提取纹理特征并使用朴素贝叶斯分类器对图案进行分类，来提高纹理分类的准确率。使用三种基于统计的方法和两种基于模型的方法从八种不同的纹理图像中提取纹理特征，然后在使用每种方法单独及成对使用时对其准确率进行排序。当基于模型的方法——高斯马尔可夫随机场（GMRF）和分数布朗运动（fBm）——一起用于分类时，与单独使用五种不同方法中最高的准确率相比，准确率提高到97.01%；并且证明比统计方法分类更好。此外，将GMRF与基于统计的方法（如灰度共生矩阵（GLCM）和游程长度矩阵（RLM））结合使用，分别将总体准确率提高到96.94%和96.55%。
引用
@article{arxiv.1512.08814,
title = {Combined statistical and model based texture features for improved image classification},
author = {Omar Al-Kadi},
journal= {arXiv preprint arXiv:1512.08814},
year = {2015}
}
备注
4th International Conference on Advances in Medical, Signal and Information Processing, pp. 175-178, Italy, 2008