基于非欧空间高阶统计的图像分类方法

摘要：

　　本文提出了一种新颖的图像分类算法基于高阶统计的最火后验概率分类法(High Order Statistics BasedMaximum A Posterior,HOS-MAP)。为弥补直观判断和机器智能间的差距,本文首先在改进的伪欧空间中建立图像间的差异性表示；然后,计算与新输入图像最相邻三幅图像的高阶统计特性,以获取每类数据库图像的差异性增量分布信息；最后,计算基于高斯混合模型和高阶差异性增量分布的最人后验概率,以获取输入图像与每类数据库图像的相关性,实现输入图像的分类。通用图像数据库上的实验证明了本文所提方案的有效性。

关键词： 差异性增量分布 高阶统计 最大后验概率 高斯混合模型 非欧氏空间

作者: 朱松豪 胡娟娟 孙伟

作者单位: 南京邮电人学自动化学院,南京,210046

会议类型: 国际会议

会议名称: the 25th Chinese Control and Decision Conference(第25届中国控制与决策会议)

会议地点: 贵阳

会议语种:英文

页码: 69-73

在线出版日期: 2013-05-01（万方平台首次上网日期，不代表论文的发表时间）