基于SVM多分类的超分辨图像细粒度分类方法  

作　　者：连和谬[1] 

机构地区：[1]闽南理工学院实践教学中心,福建石狮362700

出　　处：《安阳工学院学报》2020年第2期51-54,共4页Journal of Anyang Institute of Technology

基　　金：福建省自然科学基金项目“基于多信息融合算法的非接触式汽车防酒驾系统研究”(JB180698)。

摘　　要：为提高超分辨图像的检索和识别能力,需要对图像细粒度进行分类处理,提出基于支持向量机(Support Vector Machine,SVM)多分类的超分辨图像细粒度分类算法。采用融合滤波方法处理,实现图像预处理,考虑超分辨率图像具有的仿射区域不变性能提取细粒度多特征,并进行多特征块稀疏匹配,最后将匹配结果输入到支持向量机多分类模型中,实现超分辨图像细粒度分类。仿真结果表明,采用该方法进行超分辨图像细粒度分类的准确性较高,分辨力较好,提高了超分辨图像的检索能力。

关 键 词：支持向量机 超分辨图像 细粒度 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]