江南大学物联网工程学院, 江苏 无锡 214122
为解决传统物体形状分类方法存在训练时间长以及形状描述不准确的问题, 提出一种基于改进贝叶斯程序学习的图像分类方法。先将物体轮廓进行预处理并分割为长度固定的轮廓片段, 使用形状描述符记录其形状信息, 然后采用高斯混合模型对同一类物体的轮廓片段集训练出轮廓片段库, 最后从测试图像的轮廓上均匀提取10个轮廓片段作为测试样本的解析, 使用贝叶斯分类器计算样本解析与每类轮廓片段库中轮廓片段的拟合相似度, 以其相似度值最高的类作为分类结果。在标准数据库Animal上的实验结果表明, 本文方法具有较高的分类精度, 同时大幅度缩短了训练时间。
机器视觉 形状分类 贝叶斯程序学习 高斯混合模型 轮廓片段库 形状描述符 激光与光电子学进展
2017, 54(12): 121504
