基于特征共生矩阵的图像分类方法研究

针对词袋算法(BOW)忽略局部特征空间关系的弱点，本文提出了基于特征共生矩阵的图像表达方法。该方法利用局部特征的空间共生统计代替直方图统计，充分考虑了局部特征的空间关系，增强了对图像的表达能力。实验利用标准的景物15数据库，在灰度、尺度不变特征变换（SIFT）和局部二进制模式（LBP）3个特征空间，比较了本方法、词袋法以及空间金字塔方法（SPM）的图像分类性能，结果表明本方法比词袋法的图像分类性能分别高出21.2%、6.4%、4.67%，在灰度及LBP空间，本文方法比空间金字塔法分别高出17.07%、3.87%。