- 相關(guān)推薦
淺究基于云計算的圖像分類算法
圖像分類，根據(jù)各自在圖像信息中所反映的不同特征，把不同類別的目標(biāo)區(qū)分開來的圖像處理方法。它利用計算機(jī)對圖像進(jìn)行定量分析，把圖像或圖像中的每個像元或區(qū)域劃歸為若干個類別中的某一種，以代替人的視覺判讀。
摘要：針對單一單板機(jī)的圖像分類效率低的缺陷，提出一種基于云計算的圖像分類算法。首先通過特征提取算法提取圖像的多種特征，然后采用Map/Reduce模型對圖像進(jìn)行匹配和分類，根據(jù)匹配結(jié)果得到圖像的最優(yōu)分類結(jié)果，最后采用Matlab軟件實現(xiàn)圖像分類的仿真實驗。結(jié)果表明，相比于其他圖像分類算法，該算法減少了圖像的分類時間，提高了圖像的分類速度，尤其對大規(guī)模圖像分類優(yōu)勢更加明顯。
關(guān)鍵詞：云計算;圖像分類;特征匹配;特征提取
引 言
圖像分類可以實現(xiàn)圖像目標(biāo)識別、機(jī)械故障診斷、狀態(tài)監(jiān)測以及模式識別等，其在工業(yè)生產(chǎn)和軍事打擊等領(lǐng)域具有重要的應(yīng)用價值[1]。
圖像分類通過提取反應(yīng)目標(biāo)圖像屬性的特征信息，結(jié)合分類器實現(xiàn)圖像分類[2]。傳統(tǒng)圖像分類方法主要有支持向量機(jī)算法、BP神經(jīng)網(wǎng)絡(luò)算法等，它們通過特征提取實現(xiàn)圖像分類和識別，但計算機(jī)復(fù)雜度大[3?4];文獻(xiàn)[5]提出基于自相關(guān)匹配檢測的圖像分類識別算法，并應(yīng)用于機(jī)械故障檢測，通過提取機(jī)械故障狀態(tài)下的CT掃描圖像，對BP神經(jīng)網(wǎng)絡(luò)分類，實現(xiàn)對圖像的故障屬性分類識別，提高故障診斷性能，但該算法采用單特征的圖像分類方法，不能對大規(guī)模圖像進(jìn)行集成處理和分類，圖像批處理的效能不佳，效率較低。
針對上述問題，本文提出基于云計算的圖像分類算法。首先提取圖像的多種特征，然后采用Map/Reduce模型對圖像進(jìn)行匹配和分類，根據(jù)匹配結(jié)果得到圖像最優(yōu)分類結(jié)果，最后采用Matlab軟件進(jìn)行仿真實驗，實現(xiàn)圖像分類。實驗結(jié)果驗證了本文方法的有效性，展示了本文設(shè)計的圖像分類算法在實現(xiàn)圖像云計算分類中的優(yōu)越性能，實現(xiàn)框圖如圖1所示。
一、圖像預(yù)處理及特征提取
1.1 圖像采集及預(yù)處理
二、圖像分類算法改進(jìn)實現(xiàn)
2.1 算法設(shè)計
采用快速迭代收縮閾值算法，通過云計算實現(xiàn)對圖像分類過程的快速搜索處理，提高圖像的分類效率。
2.2 算法的演現(xiàn)流程
(1) 設(shè)輸入圖像為，采用云計算批處理基礎(chǔ)進(jìn)行網(wǎng)格計算，得到圖像輸出的像素序列。
(2) 采用小波降噪算法對圖像進(jìn)行降噪，并采用自相關(guān)檢測器進(jìn)行自適應(yīng)濾波，得到輸出圖像為：。
(3) 對圖像的屬性特征進(jìn)行分析和提取，得到能描述待分類圖像內(nèi)容的仿射不變矩和高階矩。
(4) 計算目標(biāo)與候選區(qū)域像素的權(quán)重，進(jìn)行圖像偏差補(bǔ)償加權(quán)，得到圖像的紋理信息和高階矩特征。
(5) 運(yùn)用Map/Reduce模型估計圖像沿滑動平均窗口經(jīng)過特征點(diǎn)匹配得到圖像分類的Map/Reduce模型，實現(xiàn)圖像分類。
三、實驗與結(jié)果分析
實驗數(shù)據(jù)集為Corel標(biāo)準(zhǔn)圖像庫，圖像庫中含有大量各種屬性的圖像，在進(jìn)行Corel標(biāo)準(zhǔn)圖像庫的檢索過程中，需要進(jìn)行圖像分類處理，以圖像庫中的花朵、動物作為研究對象，得到原始的測試圖像如圖2所示。
首先進(jìn)行圖像的降噪處理和特征提取，通過特征提取算法提取圖像的高階矩特征和仿射不變矩特征，然后采用Map/Reduce模型對圖像進(jìn)行匹配和分類，得到的分類結(jié)果如圖3和圖4所示。
從圖3和圖4可知，本文方法可以實現(xiàn)對整個Corel標(biāo)準(zhǔn)圖像庫中圖像的快速分類檢索，準(zhǔn)確輸出圖像的類別屬性，為了定量測試分類算法在效率和準(zhǔn)確度方面的性能，采用1 000次蒙特卡洛實驗進(jìn)行多特征融合并用傳統(tǒng)方法進(jìn)行圖像分類，得到圖像分類的指標(biāo)對比結(jié)果如圖5，圖6所示。
從圖5，圖6可見，采用本文算法通過對圖像的多特征提取和融合，在Map/Reduce模型中實現(xiàn)圖像分類，其準(zhǔn)確度較高，執(zhí)行效率較高，有效減少分類時間，總體性能優(yōu)于傳統(tǒng)方法。
四、結(jié) 語
針對大規(guī)模圖像庫中圖像的分類識別問題，提出一種基于云計算的圖像分類算法，進(jìn)行采集圖像和降噪預(yù)處理，為圖像分類模型提供數(shù)據(jù)信息輸入，采用小波降噪進(jìn)行圖像提純，提取圖像的高階矩和仿射不變矩等多種特征，在Map/Reduce模型中實現(xiàn)特征融合和特征匹配，實現(xiàn)分類優(yōu)化，研究結(jié)果表明，本文方法的圖像分類準(zhǔn)確度高，執(zhí)行效率較好。
參考文獻(xiàn)：
[1] 羅會蘭，郭敏杰，孔繁勝.一種基于多級空間視覺詞典集體的圖像分類方法[J].電子學(xué)報，2015，43(4)：684?693.
[2] DUAN F， WANG Y， YANG L， et al. Spatio?temporal consistency in stereoscopic video depth map sequence estimation [J]. Journal of information and computational science， 2014， 11(18)： 6497?6508.
[3] MAMAHESH S， VISHAL M， RAJ R G. SAR automatic target recognition using discriminative graphical models [J]. IEEE transactions on aerospace and electronic systems， 2014， 50(1)： 591?606.
[4] 吳潔璇，陳振杰，張云倩，等.多核CPU下的K?means遙感影像分類并行方法[J].計算機(jī)應(yīng)用，2015，35(5)：1296?1301.
[5] 何國棟，石建平，馮友宏，等.一種新的紅外與可見光圖像融合算法[J].傳感器與微系�y，2014，33(4)：139?141.
[6] 段峰峰，王永濱，楊麗芳，等.基于主成分分析方向深度梯度直方圖的立體視覺深度圖特征提取[J].計算機(jī)應(yīng)用，2016，36(1)：222?226.
[7] 丁軍，劉宏偉，陳渤，等.相似性約束的深度置信網(wǎng)絡(luò)在SAR圖像目標(biāo)識別的應(yīng)用[J].電子與信息學(xué)報，2016，38(1)：97?103.
[8] 苗啟廣，王寶樹.基于局部對比度的自適應(yīng)PCNN圖像融合[J].計算機(jī)學(xué)報，2008，31(5)：875?880.
[9] 劉金龍，熊承義，高志榮，等.結(jié)合全變差與自適應(yīng)低秩正則化的圖像壓縮感知重構(gòu)[J].計算機(jī)應(yīng)用，2016，36(1)：233?237.
【淺究基于云計算的圖像分類算法】相關(guān)文章：
基于階梯細(xì)化的圖像放大算法03-07
基于ICA的魯棒圖像水印算法11-22
關(guān)于基于相對色彩因子的樹木圖像分割算法03-17
基于GPRS網(wǎng)絡(luò)的圖像傳輸自適應(yīng)算法及實現(xiàn)03-07
基于離散小波變換和圖像融合的彩色圖像數(shù)字水印算法03-07
基于分形維數(shù)的圖像分類研究03-07
圖像拼接算法及實現(xiàn)03-03
基于智能優(yōu)化算法的MRI圖像適配模板濾波的閾值優(yōu)化03-07
基于BP算法紅外遙感圖像去條帶方法研究03-07