面向领域地多阶段融合图像分类方法研究.pdfVIP

摘要 图像检索技术涉及多项应用领域，除通用的图像检索系统之外，越来越多特 定领域的图像检索系统正在涌现，如Yottalook医学图像检索系统等。图像分类 是图像检索系统中最为基础性的工作之一，因此面向领域的图像分类技术具有广 阔的应用前景，特别是文档图像和医学图像领域。因此，本文的研究工作具有很 好的应用前景和较好的理论意义。 由于图像的复杂性、类别之间的干扰、类别的多样性等因素，特定领域的图 像分类问题仍然是一个充满挑战的问题。本文针对文档图像和医学图像分类存在 的问题展开研究，主要工作以及创新点如下： 1、归纳总结现有方法。查阅大量文献，对当前图像分类方法进行全面的归 纳和总结，介绍了常用方法的基本思想和原理，分析比较了各方法的优缺点；并 且详细分析文档图像和医学图像领域的图像分类方法。 2、针对目前文档分类方法依赖于图像分割以及OCR等预处理的问题，本文 提出了一种简单但有效的图像分类方法。采用结构化局部边缘模式(SLEP： StructuredLocal Pattern)作为图像特征，利用支持向量机SVM作为分类器 Edge 实现文档图像分类。为了验证本文方法的有效性，创建了文档图像数据库。实验 结果表明，基于SLEP特征的方法，避免了复杂的预处理，实验结果在准确率、 召回率等方面都明显优于所对比方法，并且即使在文档图像低分辨率的情况下， 所分类结果仍然有不错表现。 图像分类比赛作为实验数据集，构建多阶段特征融合的图像分类器。为每类特征 构建相应的图像分类器，然后对分类结果进行融合，最终实现图像分类。实验结 果表明，所提出的多阶段融合的方法可以更全面地描述医学图像的特性，进一步 分类比赛结果的前列。 总之，本文面向文档图像领域和医学图像领域，由浅入深，从图像特征提取 和分类过程两个核心问题入手，首先建立了一个文档图像数据库，然后将SLEP 特征应用到文档图像分类之中，最后针对医学图像的复杂性，在之前研究工作的 基础上，提出了一种多阶段融合的方法。文档图像分类方面，SLEP特征实现了 非常高的准确率；医学图像分类方面，多阶段融合特征则更好地解决医学图像分 类问题，相较于其他方法有明显的改进。 关键词：图像分类：面向领域；特征提取；结构化局部边缘模式 Ⅱ Abstract retrieval isrelatedto fields．Besides Image technique manyapplication general retrieval andmoredomain retrieval image system，more specific image systems springupsuchaSYottalookMedicalRetrieval Image System．Field-orientedimage classificationhaSabroad forthedocument technique application prospectespecially and medical classificationisoneof images images，becauseimage themostbasic worksin retrieval hasa image system．Therefore，this of