基于图的Laplace矩阵和非负矩阵的图像分类  

Image classification based on Laplacian matrix of graphs and non-negative matrix factorization

作　　者：蒋云志[1] 王年[1] 汪斌[1] 程志友[1] 鲍文霞[1] 

机构地区：[1]安徽大学电子科学与技术学院,安徽合肥230039

出　　处：《合肥工业大学学报（自然科学版）》2011年第9期1330-1334,共5页Journal of Hefei University of Technology：Natural Science

基　　金：国家自然科学基金资助项目(60772121);安徽省高校青年教师资助项目(2008jq1023);安徽省教育厅自然科学研究重点资助项目(KJ2010A007)

摘　　要：文章将图的Laplace矩阵和非负矩阵分解方法结合起来,应用于图像分类。对不同的图像先提取其特征点,再对提取得到的特征点构造图的Laplace矩阵,将构造的矩阵进行非负矩阵分解后得到图像的特征向量,最后将特征向量输入到PNN分类器中,对图像进行分类。对模拟图像和真实图像进行了多组实验,结果证明了该算法应用于图像分类的准确性和可行性。Laplacian matrix of graphs and non-negative matrix factorization are combined and applied to image classification.For different images,their characteristic points are extracted,and the Laplacian matrix of these points is built.Then the non-negative matrix factorization is utilized to the matrix to get the characteristic vectors,and the image classification is performed by the probabilistic neural network（PNN） classifier.Multiple simulations demonstrate that this algorithm is accurate and suitable for image classification.

关 键 词：图像分类 图的Laplace矩阵 非负矩阵分解 PNN分类器 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]