[01375770]基于Gabor特征的图像分类系统V1.0

本系统首先是将对应类别的图片的Gabor特征提取出来。通过提取到的这些图片的Gabor纹理特征进行聚类分析,根据聚类中心得到视觉词典,然后根据每张图的Gabor特征与视觉词典形成词频文件。使用SVM训练器,对指定标签的图片与词频文件进行分类训练。最后就是通过提取测试图片的Gabor特征,使用SVM对测试图片进行识别。纹理特征是一种不依赖于颜色特征的反映图像中同质物体的低层特征,它是所有物体表面共有的内在特性,例如云彩、树木、砖、头发等都有各自的纹理特征。与颜色特征不同,纹理特征不是基于像素点的特征,它需要在包含多个像素点的区域中进行统计计算,它包含了物体表面的结构组织排列和与周围环境的关系。一般来说,纹理和图像中的高频分量有密切的关系。要分析纹理,需要确定一定的尺度,一幅纹理图像在较粗的尺度下可能看不出纹理来。可以认为纹理是由许多相互接近的、相互交织的元素组成。 Gabor滤波器可以最大程度地减小空域和频域内的联合二维不确定性,同时还能够检测出图像中不同方向和角度的边缘和线条,而纹理正是由图像给定区域内的边、线等局部特征的统计特性来刻画。由于不同的特征提供了不同类别的信息,对于特定的类别各有其优势;另一方面,很多情形下分析图像内容需要结合不同种类的特征,所以集成不同特征对于提高图像标本处理领域,目前已广泛应用在场景分类等计算机视觉的领域。词袋的基本原理是对图像特征进行聚类得到一个视觉词汇表（一个聚类表示一个视觉词）,一幅图像就可以表示为若干视觉词的集合。