粗集理论在图像特征选择中的应用  

Application of Rough Sets in Image Feature Selection

作　　者：潘励[1] 张祖勋[1] 张剑清[1] 

机构地区：[1]武汉大学遥感信息工程学院,武汉430079

出　　处：《数据采集与处理》2002年第1期42-45,共4页Journal of Data Acquisition and Processing

基　　金：测绘遥感信息工程国家重点实验室开放基金 (编号 :WKL( 0 0 ) 0 1 0 1 )资助项目

摘　　要：粗集理论是一种新的处理含糊和不确定性问题的数学工具。它作为一种新的软计算方法 ,与进化算法、神经元网络和模糊方法等一样 ,是具有发展潜力的智能信息处理方法。本文采用粗集理论知识约简的思想 ,提出了一种图像特征选择的算法 ,该算法不仅能够找出有效特征集、降低图像特征空间的维数、减少图像分类的工作量 ,而且提高了分类识别率。由于粗集只处理定性数据或概念类的对象 ,需要进行数据离散化归一化 ,故本文又利用 Kohonen网络 ,提出了一种属性值的离散化算法。实验结果证明 ,上述两种算法是有效的和实用的。Rough set theory is a new mathematical tool to deal with problems on vagueness and uncertainty. It is regarded as a new soft computation method. Being the same as evolutionary computation, neural network and fuzzy method, it is a potential intelligent information processing method. On the basis of the knowledge reduction theory in rough sets, this paper presents a new algorithm to select optimal image features. The method can search available features, reduce feature dimension, speed the classification of image and improve the recognition rate. Because only the abstract data and concepts are processed in rough sets, original data have to be discretely normalized firstly. Focusing on the problem, the paper describes a discretization algorithm of attributes based on Kohonen network. Experimental results show that the methods are practical and effective.

关 键 词：图像特征选择 KOHONEN网络 约简 粗集理论 图像识别 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] TP18[自动化与计算机技术—计算机科学与技术]