基于PCA和GMM的图像分类算法  

Image classification algorithm based on PCA and GMM

作　　者：肖政宏[1] 王家廞[2] 

机构地区：[1]湖南文理学院计算机系,湖南常德415000 [2]清华大学智能技术与系统国家重点试验室,北京100084

出　　处：《计算机工程与设计》2006年第11期1951-1953,共3页Computer Engineering and Design

基　　金：湖南省自然科学基金资助项目(05JJ40098)

摘　　要：讨论了目标图像类和非目标图像类的分类方法。按统计学原理,如果图像类属于目标图像类,则提取图像中目标图像的特征,否则提取整幅图像的底层特征,基于主分量分析(PCA)的图像特征降维方法和高斯混合模型(GMM)分类器,提出了一种图像分类算法,该算法在标准的Corel图像库上进行了测试,并与其它基于GMM的方法进行了比较,实验结果表明了提出算法的有效性。The image classification method of object and non-object is discussed. According to the principle of statistics, if classification of image belongs to object image classes, the extraction of feature adopts feature of object image, or adopts global low-level feature of image. Based on the principal component analysis （PCA） that reduce the dimensionality of feature and gaussian mixture models （GMM） classifier, image classification algorithm is presented. The algorithm is tested on a standard corel image databases, and is compared with other GMM methods, Experimental results show the efficiency of the presented image classification algorithm.

关 键 词：图像分类 目标图像 非目标图像 主分量分析 高斯混合模型 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]