第3卷第2期 智能系统学报 Vol.3№2 2008年4月 CAAI Transactions on Intelligent Systems Apr.2008 颜色特征的图像分类技术研究 李海峰杜军平2 (1.北京工商大学计算机学院，北京100037：2.北京邮电大学计算机学院，北京100876) 摘要：研究了基于颜色的图像特征对于图像分类结果的影响.给出了采用基于颜色位置分布特征进行分类的方 法，并与基于RGB直方图特征和基于HSV直方图特征的方法进行了比较.分别采用随机森林、Boosting算法和 MLP神经网络3种分类方法进行图像分类，建立了自然图像分类系统.基于实验结果比较了随机森林Boosting算 法和MLP神经网络3种分类方法的优缺点，发现Boosting算法表现最好，更加适合于图像分类。 关键词：图像分类；颜色特征；Boosting算法 中图分类号：TP391文献标识码：A文章编号：16734785(2008)02-015504 Image classification technology based on color features LI Hai-feng',DU Junping? (1.School of Computer Science,Beijing Business and Technology University,Beijing 100037,China;2.School of Computer and Technology,Beijing University of Posts and Telecommunications,Beijing 100876,China) Abstract:This paper studies the effects of an image's color features on image classification.We developed a new classification method based on positional distribution of colors and compare it with other methods based on RGB and HSV histograms.The random forest,the Boosting algorithm,and the MLP neural net- work were applied respectively to classify images and a natural image classification system built up.The advantages and disadvantages of these three classification algorithms are discussed according to experimen- tal results,showing that the boosting algorithm gives the best performance and is more suitable to image classification. Key words:image classification;color features;boosting algorithm 为了提高面向旅游业的图像搜索引擎的搜索质 方法有很多种，如神经网络、支持向量机、决策树等， 量，实现对搜索结果进行筛选分类，剔除与其他结果 其分类效果各异山，最近组合分类器和加强分类器 图像相似度较低的图像，将会有助于提高搜索的结 也逐渐得到的人们的重视.本文将采用3种有代表 果质量.由于搜索引擎的及时性要求，需要一个比较 性的算法，即随机森林Boosting算法和MLP神 简洁快速的方法进行图像分类.图像分类技术是图 经网络进行图像分类研究 像处理的基础，图像特征提取是决定图像分类水平 的关键.图像特征提取即采用矢量数来描述图像的 1图像分类算法概述 某种性质，是图像处理的最基本问题之一.图像底层 本文主要讨论基于颜色的图像特征对于图像分 视觉特征主要包括颜色、纹理和形状.其中颜色特征 类结果的影响.为减少学习算法对结果的影响，采用 比较容易提取，处理速度也最快」 了3种学习算法进行比较和研究 本文讨论基于颜色特征的图像分类技术，并提 1.1随机森林算法 出使用包含位置信息的颜色属性提高图像分类的质 随机森林算法通过自助法(bootstrap,)生成多 量的方法.目前对多种类别图片进行分类的算法的 个树分类器，它属于组合分类器).其步骤如下：从 收稿日期：2007-08-07. 原始训练数据集N中重复随机抽取k个自助样本 基金项目：国家自然科学基金资助项目(60773112)；北京市自然科学 基金资助项目(4082021). 集，每个自助样本集对应一棵分类树的训练数据集， 通讯作者：杜军平.E-mail:junpingd@bupt.edu.cn. 在一棵树的每个节点处，从M个特征中随机挑选m 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net第 3 卷第 2 期 智 能 系 统 学 报 Vol. 3 №. 2 2008 年 4 月 CAA I Transactions on Intelligent Systems Apr. 2008 颜色特征的图像分类技术研究 李海峰1 ,杜军平2 (1. 北京工商大学 计算机学院 , 北京 100037 ; 2. 北京邮电大学 计算机学院 , 北京 100876) 摘 要 :研究了基于颜色的图像特征对于图像分类结果的影响. 给出了采用基于颜色位置分布特征进行分类的方 法 ,并与基于 RGB 直方图特征和基于 HSV 直方图特征的方法进行了比较. 分别采用随机森林、Boosting 算法和 ML P 神经网络 3 种分类方法进行图像分类 ,建立了自然图像分类系统. 基于实验结果比较了随机森林、Boosting 算 法和 ML P 神经网络 3 种分类方法的优缺点 ,发现 Boosting 算法表现最好 ,更加适合于图像分类. 关键词 :图像分类 ;颜色特征 ;Boosting 算法 中图分类号 : TP391 文献标识码 :A 文章编号 :167324785 (2008) 0220155204 Image classification technology based on color features L I Hai2feng 1 , DU J un2ping 2 (1. School of Computer Science , Beijing Business and Technology University , Beijing 100037 , China ; 2. School of Computer and Technology , Beijing University of Posts and Telecommunications , Beijing 100876 ,China) Abstract :This paper studies t he effects of an image’s color feat ures on image classification. We developed a new classification met hod based on positional distribution of colors and compare it wit h ot her met hods based on RGB and HSV histograms. The random forest , t he Boosting algorit hm , and the ML P neural net2 work were applied respectively to classify images and a nat ural image classification system built up . The advantages and disadvantages of these three classification algorit hms are discussed according to experimen2 tal results , showing t hat t he boosting algorit hm gives t he best performance and is more suitable to image classification. Keywords :image classification ; color feat ures; boosting algorit hm 收稿日期 :2007208207. 基金项目 :国家自然科学基金资助项目(60773112) ;北京市自然科学 基金资助项目(4082021) . 通讯作者 :杜军平. E2mail :junpingd @bupt . edu. cn. 为了提高面向旅游业的图像搜索引擎的搜索质 量 ,实现对搜索结果进行筛选分类 ,剔除与其他结果 图像相似度较低的图像 ,将会有助于提高搜索的结 果质量. 由于搜索引擎的及时性要求 ,需要一个比较 简洁快速的方法进行图像分类. 图像分类技术是图 像处理的基础 ,图像特征提取是决定图像分类水平 的关键. 图像特征提取即采用矢量数来描述图像的 某种性质 ,是图像处理的最基本问题之一. 图像底层 视觉特征主要包括颜色、纹理和形状. 其中颜色特征 比较容易提取 ,处理速度也最快. 本文讨论基于颜色特征的图像分类技术 ,并提 出使用包含位置信息的颜色属性提高图像分类的质 量的方法. 目前对多种类别图片进行分类的算法的 方法有很多种 ,如神经网络、支持向量机、决策树等 , 其分类效果各异[ 1 ] ,最近组合分类器和加强分类器 也逐渐得到的人们的重视. 本文将采用 3 种有代表 性的算法 ,即随机森林[2 ] 、Boosting 算法和 ML P 神 经网络[ 324 ]进行图像分类研究. 1 图像分类算法概述 本文主要讨论基于颜色的图像特征对于图像分 类结果的影响. 为减少学习算法对结果的影响 ,采用 了 3 种学习算法进行比较和研究. 111 随机森林算法 随机森林算法通过自助法 ( bootstrap ) 生成多 个树分类器 ,它属于组合分类器[5 ] . 其步骤如下 :从 原始训练数据集 N 中重复随机抽取 k 个自助样本 集 ,每个自助样本集对应一棵分类树的训练数据集. 在一棵树的每个节点处 ,从 M 个特征中随机挑选 m