图像分类svm算法思想,基于svm的图像分类

  图像分类svm算法思想,基于svm的图像分类

  【图像分类】基于HOG特征结合SVM的图像分类识别,带matlab代码_ MATLAB仿真技术博客_博客

  1内容介绍为了满足人工智能在目标识别方法上的应用需求,需要具备对海量数据进行智能分类、识别和解释的能力。进一步挖掘目标特征数据库的数据,将基于HOG SVM的目标识别算法应用到红外目标识别过程中。选取汽车、直升机、飞机、舰船、无人机等采集目标。结合HOG算子和SVM分类方法,实现目标检测和分类算法,从而实现智能目标分类的研究,为进一步分析目标特性和导引头智能算法设计提供支持。

  2部分代码%%使用hog特征对图像进行多分类,svm训练,一对一

  %% 1数据集,包括训练和测试(注意你的图像存储路径,我会在附录中给你一个样本下载图像链接)

  IMD strain=image datastore( train _ images ,

  包含子文件夹,真,

  LabelSource , foldernames );

  IMD test=image datastore( test _ image );

  %%显示训练图片类型标签和数量计数。

  train _ disp=countEachLabel(IMD strain);

  disp(Train _ disp);

  %% 2对训练集中的每一幅图像进行hog特征提取,测试图像相同。

  %对图像进行预处理,主要是获取特征的特征尺寸,这与图像尺寸和Hog特征参数有关。

  imageSize=[256,256];%按此尺寸缩放所有图像。

  image1=readimage(imdsTrain,1);

  scaleImage=imresize(image1,imageSize);

  [features,visualization]=extracthogffeatures(scale image);

  im show(scale image);坚持住;绘图(可视化)

  %对所有训练图像执行特征提取。

  numImages=length(imdsTrain。文件);

  feature strain=zeros(numi images,size(features,2), single );% featuresTrain是单精度。

  对于I=1:numi images

  imageTrain=readimage(imdsTrain,I);

  imageTrain=imresize(imageTrain,imageSize);

  featuresTrain(i,)=extracthogfeafeatures(image train);

  目标

  %所有训练图像标签

  trainLabels=imdsTrain。标签;

  %开始svm多分类训练。注:fitcsvm用于二分类,fitcecoc用于多分类,1 VS 1方法。

  classifer=fitcecoc(feature strain,train labels);

  %%预测并显示预测效果图。

  numTest=length(IMD test。文件);

  对于i=1:numTest

  testImage=readimage(IMD test,I);

  scaleTestImage=im resize(testImage,imageSize);

  feature test=extracthogfeafeatures(scaleTestImage);

  [predictIndex,score]=predict(classifer,feature test);

  图;im show(testImage);

  Title([预测图像:,char(predict index)]);

  目标

  3运行结果

  4参考文献[1]蒋经纬,程传瑞。基于HOG SVM的图像分类系统的设计与实现[J].漯河职业技术学院学报,2017,16(2):4。

  [2]宋,周泽亚,等.基于HOG特征和SVM分类器的智能红外图像检测与分类方法[J].红外线,2022(043-004)。

  有些理论引用自网络文献。如有侵权,联系博主删除。

  原创作品来自matlab研究助手,

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

留言与评论(共有 条评论)
   
验证码: