基于多特征多分类器融合的图像纹理分类  

Image Texture Segmentation Based on Feature Fusion and Classifier Fusion

作　　者：项健[1,2] 范影乐[1,2] 庞全[1,2] 

机构地区：[1]杭州电子科技大学自动化研究所,杭州310037 [2]杭州电子科技大学模式识别与图像处理实验室,杭州310037

出　　处：《计算机工程与应用》2006年第33期153-156,共4页Computer Engineering and Applications

基　　金：国家自然科学基金资助项目(60374047);浙江省自然科学基金重点资助项目(ZD0205)

摘　　要：论文提出了一种新的基于多特征多分类器融合的图像纹理分割方法。该方法结合Log-Gabor滤波方法对于规则纹理识别的高分辨性和DCT方法在纹理识别上的稳定性,对两种图像滤波特征分别用模糊c-均值方法进行聚类以获得模糊隶属度矩阵,针对此类高维数以及强非线性的软分类结果,论文引入多类支持向量机进行融合。实验表明,这种多特征多分类器融合方法与传统的单一特征、单一分类器方法相比,具有高准确度以及抗干扰能力。One design-based method for constructing a two-stage Multiple Classifier System （MCS） to fuse Log-Gabor filter and DCT features for improved texture image segmentation is presented.The membership function matrix gained in the first stage by FCM involving in the classification and the fusion of the two types of supplement features is combined by the Multicategory Support Vector Machines （MSVMs） in the second stage.Overall, the fused features and combined classifiers are the definite improvement over non-fused features and single classifier and are advocated in texture analysis applications.

关 键 词：多分类器系统 支持向量机 模糊C-均值 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]