·158· 智能系统学报 第3卷 由36个属性描述，结果如表3所示 [3]吕坤，高珊.一种基于改进的BP神经网络算法的布 匹瑕疵分类器J].微电子学与计算机，2006,23(3)：88 表3基于颜色位置分布的颜色属性学习结果 90. Table 3 Color attribute learning results based LU Kun,GAO Shan.A fabric flaws classifier based on on color position distribution improved BP neural network algorithm [J ]Microelec- 样本集 测试集 tronics Computer,2006,23(3):88-90. 图片集 样本集 测试集 合符合 合正确 [4]BREIMAN L.Random forests [J ]Machine Learning, 算法 合数量 合正确 合正确 数量 数量 2001,45(1):532. /例 率/% 率/% 1例 1例 [5]SCHAPIRE R E.The strength of weak learnability [J]. Machine Learning,1990,5(2):197-227. Random 1861 874 94.0 722 77.6 [6]SCHAPIRE R E.A brief introduction to boosting[C]// Forest Proceedings of the Sixteenth International Joint Confer- Boosting 1861 877 94.3 729 783 ence on Artificial Intelligence.Stockholm,1999:1401- 1406. MLP 1861 918 98.7 651 69.9 [7]FABRIZIO S,AL ESSAMDRO S,NICOLA V.An im- proved boosting algorithm and its application[C]//Pro- 由结果可以看出基于颜色位置分布的颜色属 ceedings of the 2000ACM CIKM International Confer- 性，可以得到较好的学习效果.由于属性比较少，而 ence on Information and Knowledge Management. 且计算简单，所以试验的执行速度也比较快. Mclean,VA ,USA,2000 78-85. 4 结束语 [8]HAN Jiawei,KAMBER M.Data mining:concepts and techniques[M].北京：机械工业出版社，2001. 单纯依赖颜色的一些统计属性进行图像分类， 「9]杨再华李玉和，李庆祥.基于边缘特征提取的图像清晰 可以有一定的分类能力，但是也有一定的局限性，这 度评价函数U].计算机工程与应用，2005(10)：3536. 是由于图像的最基础视觉属性不仅仅是颜色，还包 YAN G Zaihua,LI Yuhe,LI Qingxiang.Image definition 括形状和纹理.在使用颜色直方图时，HSV模型较 criterion based on edge gradient feature [J ]Computer RGB模型有更好的识别能力，这是因为HSV模型 Engineering and Applications,2005(10):35-36. 更接近人的视觉感觉，而RGB模型是一种设备描 [10]MANJUNATH B S,OHMJ R,VASUDENVAN V V,et al.Color and texture descriptors[J].IEEE Trans 述模型，因此从人类识别图像的角度进行图像分类， on CSVT,2001,11(6):703715. 可以得到更好的效果.仅仅粗略考虑颜色在图像中 作者简介 位置的分布，同时采用最简单的颜色统计，亦可以大 李海峰，男，1980年生，硕士研究生，主 幅度提高图像的分类能力.由此可以推断，如果采用 要研究方向为模式识别、智能信息系统等」 更精细的图像颜色属性的位置信息，可以更好地提 高图像分类质量.对于3种学习方法，可以发现 Boosting方法表现最好，更加适合于图像分类.颜色 属性是图像属性的最基本属性，提取最为方便快捷， 使用此属性可以达到一定的分类能力，因此可应用 杜军平，女，1963年生，教授，博士生导 师，中国人工智能学会常务副秘书长，中国 于要求不高的分类场合，例如图像搜索结果的筛选」 自动化学会智能自动化专业委员会副秘书 参考文献： 长，中国旅游信息标准技术委员会主任委 员，主要研究方向为数据挖掘、Agent理论 [1]章毓晋.图像分割[M].北京：科学出版社，2001. 与技术、智能信息处理、旅游智能信息系统 [2]贾富仓，李华.基于随机森林的多谱磁共振图像分割 等.近年来完成科研项目20余项，发表学 [J].计算机工程，2005,31(10)：159161. 术论文90余篇，出版著作3部. JIA Fucang,LI Hua.Multi-spectral magnetic resonance Image segmentation using random forests [J].Computer Engineering,2005,31(10):159161. 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net由 36 个属性描述 ,结果如表 3 所示. 表 3 基于颜色位置分布的颜色属性学习结果 Table 3 Color attribute learning results based on color position distribution 算法 图片集 合数量 / 例 样本集 合符合 数量 / 例 样本集 合正确 率 / % 测试集 合正确 数量 / 例 测试集 合正确 率 / % Random Forest 1 861 874 9410 722 7716 Boosting 1 861 877 9413 729 7813 ML P 1 861 918 9817 651 6919 由结果可以看出基于颜色位置分布的颜色属 性 ,可以得到较好的学习效果. 由于属性比较少 ,而 且计算简单 ,所以试验的执行速度也比较快. 4 结束语 单纯依赖颜色的一些统计属性进行图像分类 , 可以有一定的分类能力 ,但是也有一定的局限性 ,这 是由于图像的最基础视觉属性不仅仅是颜色 ,还包 括形状和纹理. 在使用颜色直方图时 , HSV 模型较 RGB 模型有更好的识别能力 ,这是因为 HSV 模型 更接近人的视觉感觉 ,而 RGB 模型是一种设备描 述模型 ,因此从人类识别图像的角度进行图像分类 , 可以得到更好的效果. 仅仅粗略考虑颜色在图像中 位置的分布 ,同时采用最简单的颜色统计 ,亦可以大 幅度提高图像的分类能力. 由此可以推断 ,如果采用 更精细的图像颜色属性的位置信息 ,可以更好地提 高图像分类质量. 对于 3 种学习方法 ,可以发现 Boo sting 方法表现最好 ,更加适合于图像分类. 颜色 属性是图像属性的最基本属性 ,提取最为方便快捷 , 使用此属性可以达到一定的分类能力 ,因此可应用 于要求不高的分类场合 ,例如图像搜索结果的筛选. 参考文献 : [1 ]章毓晋. 图像分割[ M]. 北京 :科学出版社 , 2001. [2 ]贾富仓 ,李 华. 基于随机森林的多谱磁共振图像分割 [J ]. 计算机工程 , 2005 ,31 (10) :1592161. J IA Fucang ,L I Hua. Multi2spectral magnetic resonance Image segmentation using random forests[J ]. Computer Engineering ,2005 ,31 (10) :1592161. [3 ]吕 坤 ,高 珊. 一种基于改进的 BP 神经网络算法的布 匹瑕疵分类器[J ]. 微电子学与计算机 ,2006 ,23 (3) :882 90. LU Kun , GAO Shan. A fabric flaws classifier based on improved BP neural network algorithm [J ]. Microelec2 tronics & Computer , 2006 ,23 (3) :88290. [4 ]BREIMAN L. Random forests[J ]. Machine Learning , 2001 ,45 (1) :5232. [5 ]SCHAPIRE R E. The strength of weak learnability[J ]. Machine Learning ,1990 , 5 (2) : 1972227. [6 ]SCHAPIRE R E. A brief introduction to boosting[ C]/ / Proceedings of the Sixteenth International Joint Confer2 ence on Artificial Intelligence. Stockholm , 1999 : 14012 1406. [7 ] FABRIZIO S , AL ESSAMDRO S , NICOLA V. An im2 proved boosting algorithm and its application[ C]/ / Pro2 ceedings of the 2000ACM CIKM International Confer2 ence on Information and Knowledge Management. Mclean ,VA ,USA ,2000 :78285. [8 ] HAN Jiawei , KAMBER M. Data mining : concepts and techniques [ M ]. 北京 :机械工业出版社 , 2001. [9 ]杨再华 ,李玉和 ,李庆祥. 基于边缘特征提取的图像清晰 度评价函数[J ]. 计算机工程与应用 , 2005 (10) : 35236. YAN G Zaihua ,L I Yuhe ,L I Qingxiang. Image definition criterion based on edge gradient feature [J ]. Computer Engineering and Applications , 2005 (10) : 35236. [10 ] MANJ UNA TH B S , O HM J R , VASUDENVAN V V , et al. Color and texture descriptors[J ]. IEEE Trans on CSV T , 2001 ,11 (6) : 7032715. 作者简介 : 李海峰 ,男 ,1980 年生 ,硕士研究生 ,主 要研究方向为模式识别、智能信息系统等. 杜军平 ,女 ,1963 年生 ,教授 ,博士生导 师 ,中国人工智能学会常务副秘书长 ,中国 自动化学会智能自动化专业委员会副秘书 长 ,中国旅游信息标准技术委员会主任委 员 ,主要研究方向为数据挖掘、Agent 理论 与技术、智能信息处理、旅游智能信息系统 等. 近年来完成科研项目 20 余项 ,发表学 术论文 90 余篇 ,出版著作 3 部. · 851 · 智 能 系 统 学 报 第 3 卷