圖像分類傳統(tǒng)方法(圖像分類的分類方法)
1.圖像分類的分類方法
基于色彩特征的索引技術(shù) 色彩是物體表面的一種視覺(jué)特性，每種物體都有其特有的色彩特征，譬如人們說(shuō)到綠色往往是和樹(shù)木或草原相關(guān)，談到藍(lán)色往往是和大?；蛩{(lán)天相關(guān)，同一類物體往拍幾有著相似的色彩特征，因此我們可以根據(jù)色彩特征來(lái)區(qū)分物體.用色彩特特征進(jìn)行圖像分類一可以追溯到Swain和Ballard提出的色彩直方圖的方法.由于色彩直方圖具有簡(jiǎn)單且隨圖像的大小、旋轉(zhuǎn)變化不敏感等特點(diǎn)，得到了研究人員的廠泛關(guān)注，目前幾乎所有基于內(nèi)容分類的圖像數(shù)據(jù)庫(kù)系統(tǒng)都把色彩分類方法作為分類的一個(gè)重要手段，并提出了許多改進(jìn)方法，歸納起主要可以分為兩類：全局色彩特征索引和局部色彩特征索引。
基于紋理的圖像分類技術(shù) 紋理特征也是圖像的重要特征之一，其本質(zhì)是刻畫(huà)象素的鄰域灰度空間分布規(guī)律由于它在模式識(shí)別和計(jì)算機(jī)視覺(jué)等領(lǐng)域已經(jīng)取得了豐富的研究成果，因此可以借用到圖像分類中。在70年代早期，Haralick等人提出紋理特征的灰度共生矩陣表示法（eo一oeeurrenee matrix representation），這個(gè)方法提取的是紋理的灰度級(jí)空間相關(guān)性（gray level Spatial dependenee），它首先基于象素之間的距離和方向建立灰度共生矩陣，再由這個(gè)矩陣提取有意義的統(tǒng)計(jì)量作為紋理特征向量。
基于一項(xiàng)人眼對(duì)紋理的視覺(jué)感知的心理研究，Tamuar等人提出可以模擬紋理視覺(jué)模型的6個(gè)紋理屬性，分別是粒度，對(duì)比度，方向性，線型，均勻性和粗糙度。QBIC系統(tǒng)和MARS系統(tǒng)就采用的是這種紋理表示方法。
在90年代初期，當(dāng)小波變換的理論結(jié)構(gòu)建一認(rèn)起來(lái)之后，許多研究者開(kāi)始研究 如何用小波變換表示紋理特征。smiht和chang利用從小波子帶中提取的統(tǒng)計(jì)量（平均值和方差）作為紋理特征。
這個(gè)算法在112幅Brodatz紋理圖像中達(dá)到了90%的準(zhǔn)確率。為了利用中間帶的特征，Chang和Kuo開(kāi)發(fā)出一種樹(shù)型結(jié)構(gòu)的小波變化來(lái)進(jìn)一步提高分類的準(zhǔn)確性。
還有一些研究者將小波變換和其他的變換結(jié)合起來(lái)以得到更好的性能，如Thygaarajna等人結(jié)合小波變換和共生矩陣，以兼顧基于統(tǒng)計(jì)的和基于變換的紋理分析算法的優(yōu)點(diǎn)?；谛螤畹膱D像分類技術(shù) 形狀是圖像的重要可視化內(nèi)容之一在二維圖像空間中，形狀通常被認(rèn)為是一條封閉的輪廓曲線所包圍的區(qū)域，所以對(duì)形狀的描述涉及到對(duì)輪廓邊界的描述以及對(duì)這個(gè)邊界所包圍區(qū)域的描述.目前的基于形狀分類方法大多圍繞著從形狀的輪廓特征和形狀的區(qū)域特征建立圖像索引。
關(guān)于對(duì)形狀輪廓特征的描述主要有：直線段描述、樣條擬合曲線、傅立葉描述子以及高斯參數(shù)曲線等等。實(shí)際上更常用的辦法是采用區(qū)域特征和邊界特征相結(jié)合來(lái)進(jìn)行形狀的相似分類.如Eakins等人提出了一組重畫(huà)規(guī)則并對(duì)形狀輪廓用線段和圓弧進(jìn)行簡(jiǎn)化表達(dá)，然后定義形狀的鄰接族和形族兩種分族函數(shù)對(duì)形狀進(jìn)行分類.鄰接分族主要采用了形狀的邊界信息，而形狀形族主要采用了形狀區(qū)域信息.在形狀進(jìn)行匹配時(shí)，除了每個(gè)族中形狀差異外，還比較每個(gè)族中質(zhì)心和周長(zhǎng)的差異，以及整個(gè)形狀的位置特征矢量的差異，查詢判別距離是這些差異的加權(quán)和。
基于空間關(guān)系的圖像分類技術(shù) 在圖像信息系統(tǒng)中，依據(jù)圖像中對(duì)象及對(duì)象間的空間位置關(guān)系來(lái)區(qū)別圖像庫(kù)中的不同圖像是一個(gè)非常重要的方法。因此，如何存貯圖像對(duì)象及其中對(duì)象位置關(guān)系以方便圖像的分類，是圖像數(shù)據(jù)庫(kù)系統(tǒng)設(shè)計(jì)的一個(gè)重要問(wèn)題。
而且利用圖像中對(duì)象間的空間關(guān)系來(lái)區(qū)別圖像，符合人們識(shí)別圖像的習(xí)慣，所以許多研究人員從圖像中對(duì)象空間位置關(guān)系出發(fā)，著手對(duì)基于對(duì)象空間位置關(guān)系的分類方法進(jìn)行了研究。早在1976年，Tanimoto提出了用像元方法來(lái)表示圖像中的實(shí)體，并提出了用像元來(lái)作為圖像對(duì)象索引。
隨后被美國(guó)匹茲堡大學(xué)chang采納并提出用二維符號(hào)串（2D一String）的表示方法來(lái)進(jìn)行圖像空間關(guān)系的分類，由于該方法簡(jiǎn)單，并且對(duì)于部分圖像來(lái)說(shuō)可以從ZD一String重構(gòu)它們的符號(hào)圖，因此被許多人采用和改進(jìn)，該方法的缺點(diǎn)是僅用對(duì)象的質(zhì)心表示空間位置；其次是對(duì)于一些圖像來(lái) 說(shuō)我們不能根據(jù)其ZD一string完個(gè)重構(gòu)其符號(hào)圖；再則是上述的空間關(guān)系太簡(jiǎn)單，實(shí)際中的空間關(guān)系要復(fù)雜得多。，針對(duì)這些問(wèn)題許多人提出了改進(jìn)力一法。
Jungert根據(jù)圖像對(duì)象的最小包圍盒分別在：x軸方向和y軸上的投影區(qū)間之間的交疊關(guān)系來(lái)表示對(duì)象之間的空間關(guān)系，隨后Cllallg和Jungert等人又提出了廣義ZD一string(ZDG一String)的方法，將圖像對(duì)象進(jìn)一步切分為更小的子對(duì)象來(lái)表示對(duì)象的空間關(guān)系，但是該方法不足之處是當(dāng)圖像對(duì)象數(shù)日比較多且空間關(guān)系比較復(fù)雜時(shí)，需要切分的子對(duì)象的數(shù)目很多，存儲(chǔ)的開(kāi)銷(xiāo)太大，針對(duì)此Lee和Hsu等人提出了ZDC一string的方一法，它們采用Anell提出的13種時(shí)態(tài)間隔關(guān)系并應(yīng)用到空間投影區(qū)問(wèn)上來(lái)表達(dá)空間關(guān)系。在x軸方向和y軸方向的組合關(guān)系共有169種，他提出了5種基本關(guān)系轉(zhuǎn)換法則，在此基礎(chǔ)上又提出了新的對(duì)象切分方法。
采用 ZDC一string的方法比ZDG一string切分子對(duì)象的數(shù)目明顯減少。為了在空間關(guān)系中保留兩個(gè)對(duì)象的相對(duì)空間距離和對(duì)象的大小，Huang等人提出了ZDC書(shū)string的方法提高符號(hào)圖的重構(gòu)精度，并使得對(duì)包含對(duì)象相對(duì)大小、距。
2.圖形的分類有哪些呢
還有平面圖，立體圖，3d圖圖形的種類：圓形，長(zhǎng)方形，正方形，平行四邊形，三角形，梯形；圓柱，圓錐，球形，長(zhǎng)方體，正方體。
為了利用中間帶的特征，Chang和Kuo開(kāi)發(fā)出一種樹(shù)型結(jié)構(gòu)的小波變化來(lái)進(jìn)一步提高分類的準(zhǔn)確性。還有一些研究者將小波變換和其他的變換結(jié)合起來(lái)以得到更好的性能，如Thygaarajna等人結(jié)合小波變換和共生矩陣，以兼顧基于統(tǒng)計(jì)的和基于變換的紋理分析算法的優(yōu)點(diǎn)。
擴(kuò)展資料： 實(shí)際上更常用的辦法采用區(qū)域特征和邊界特征相結(jié)合來(lái)進(jìn)行形狀的相似分類，如Eakins等人提出了一組重畫(huà)規(guī)則并對(duì)形狀輪廓用線段和圓弧進(jìn)行簡(jiǎn)化表達(dá)，然后定義形狀的鄰接族和形族兩種分族函數(shù)對(duì)形狀進(jìn)行分類。 鄰接分族主要采用了形狀的邊界信息，而形狀形族主要采用了形狀區(qū)域信息，在形狀進(jìn)行匹配時(shí)，除了每個(gè)族中形狀差異外，還比較每個(gè)族中質(zhì)心和周長(zhǎng)的差異，以及整個(gè)形狀的位置特征矢量的差異，查詢判別距離是這些差異的加權(quán)和。
參考資料來(lái)源：百度百科-圖像分類。
3.大家談?wù)劯叻直媛剩?米以下）遙感圖像的分類的好方法
對(duì)于五米以上高分辨率遙感圖像分類，目前大致有兩種思路。
一是采取一些非參數(shù)的分類方法：
因?yàn)閭鹘y(tǒng)的參數(shù)法，一是基于像元，二是基于概率統(tǒng)計(jì)。這兩條在高分辨率中因?yàn)轭悆?nèi)方差變大，類間方差變變小，沒(méi)有明顯的聚類中心，存在這明顯的重疊。所以考慮一些非參數(shù)的方法進(jìn)行監(jiān)督分類。比如神經(jīng)網(wǎng)絡(luò)（ANN），支持向量機(jī)（SVM）等。可以取得比較好的效果，尤其SVM是比較穩(wěn)健的分類方法。比如ENVI中監(jiān)督分類就有這兩類分類方法。不過(guò)ENVI中的神經(jīng)網(wǎng)絡(luò)似乎有點(diǎn)問(wèn)題，不太容易收斂。
另一類方法則是一樓提到的面向?qū)ο蟮姆诸惙椒āＪ紫葘⑼|(zhì)區(qū)域進(jìn)行分割、合并。在合并的基礎(chǔ)上進(jìn)行監(jiān)督分類。這樣的分類精度比較高，而且?guī)缀醪粫?huì)有散點(diǎn)?？雌饋?lái)比較漂亮。比如eCognition軟件。
以上兩種方法在應(yīng)對(duì)高分辨率影像分類比較有效。
你若是要融合光譜和形狀信息的話，則需要更多的知識(shí)了。國(guó)內(nèi)外都有人提出一些算法。比如LWEA,PSI等。
歡迎探討。謝謝
4.圖案的分類有哪幾種
按所占空間分，有平面圖案（如地毯、織錦、刺繡圖案）、立體圖案 （如家具、陶瓷圖案）。
按歷史范疇分，有原始社會(huì)圖案、傳統(tǒng)圖案、現(xiàn)代圖案。
按社會(huì)關(guān)系分，有宮廷工藝美術(shù)圖案、民間工藝美術(shù)圖案。
按工藝美術(shù)品的種類分，有青銅圖案、陶瓷圖案、漆器圖案、印染圖案、織錦圖案、工業(yè)造型圖案、家具圖案、商標(biāo)圖案、書(shū)籍裝幀圖案等。
按裝飾手法分，有寫(xiě)實(shí)圖案、變形圖案、具象圖案、抽象圖案、視覺(jué)錯(cuò)圖案等。
按圖案的結(jié)構(gòu)分，有單獨(dú)圖案、角隅圖案、適合圖案、邊飾圖案、連續(xù)圖案等。
按裝飾題材分，有植物圖案、動(dòng)物圖案、人物圖案、風(fēng)景圖案、器物圖案、文字圖案、自然現(xiàn)象圖案、幾何圖案以及由多種題材組合或復(fù)合的圖案。
擴(kuò)展資料：
基本解釋：
(1)有裝飾意味的、結(jié)構(gòu)整齊勻稱的花紋或圖形
(2)圓點(diǎn)花紋的圖案
(3)涂鴉作品，T恤衫上的圖案
引證解釋：
(1)有裝飾意味的花紋或圖形。以構(gòu)圖整齊、勻稱、調(diào)和為特點(diǎn)，多用在紡織品、工藝美術(shù)品和建筑物上。
魯迅《書(shū)信集·致楊霽云》：“他們最喜歡可以生吞活剝的繪畫(huà)，或圖案，或廣告畫(huà)，以及只有一本的什么‘大觀’?！?/p>
(2)引申指社會(huì)生活的藍(lán)圖或縮影。
夏丏尊葉圣陶《文心》八：“在他，這幾首詩(shī)已不止是空泛的憧憬，簡(jiǎn)直想認(rèn)作實(shí)際生活的素描的圖案了。
參考資料：搜狗百科-圖案
