圖像分類傳統(tǒng)方法(圖像分類的分類方法)
1.圖像分類的分類方法
基于色彩特征的索引技術 色彩是物體表面的一種視覺特性，每種物體都有其特有的色彩特征，譬如人們說到綠色往往是和樹木或草原相關，談到藍色往往是和大?；蛩{天相關，同一類物體往拍幾有著相似的色彩特征，因此我們可以根據(jù)色彩特征來區(qū)分物體.用色彩特特征進行圖像分類一可以追溯到Swain和Ballard提出的色彩直方圖的方法.由于色彩直方圖具有簡單且隨圖像的大小、旋轉變化不敏感等特點，得到了研究人員的廠泛關注，目前幾乎所有基于內容分類的圖像數(shù)據(jù)庫系統(tǒng)都把色彩分類方法作為分類的一個重要手段，并提出了許多改進方法，歸納起主要可以分為兩類：全局色彩特征索引和局部色彩特征索引。
基于紋理的圖像分類技術 紋理特征也是圖像的重要特征之一，其本質是刻畫象素的鄰域灰度空間分布規(guī)律由于它在模式識別和計算機視覺等領域已經取得了豐富的研究成果，因此可以借用到圖像分類中。在70年代早期，Haralick等人提出紋理特征的灰度共生矩陣表示法（eo一oeeurrenee matrix representation），這個方法提取的是紋理的灰度級空間相關性（gray level Spatial dependenee），它首先基于象素之間的距離和方向建立灰度共生矩陣，再由這個矩陣提取有意義的統(tǒng)計量作為紋理特征向量。
基于一項人眼對紋理的視覺感知的心理研究，Tamuar等人提出可以模擬紋理視覺模型的6個紋理屬性，分別是粒度，對比度，方向性，線型，均勻性和粗糙度。QBIC系統(tǒng)和MARS系統(tǒng)就采用的是這種紋理表示方法。
在90年代初期，當小波變換的理論結構建一認起來之后，許多研究者開始研究 如何用小波變換表示紋理特征。smiht和chang利用從小波子帶中提取的統(tǒng)計量（平均值和方差）作為紋理特征。
這個算法在112幅Brodatz紋理圖像中達到了90%的準確率。為了利用中間帶的特征，Chang和Kuo開發(fā)出一種樹型結構的小波變化來進一步提高分類的準確性。
還有一些研究者將小波變換和其他的變換結合起來以得到更好的性能，如Thygaarajna等人結合小波變換和共生矩陣，以兼顧基于統(tǒng)計的和基于變換的紋理分析算法的優(yōu)點?；谛螤畹膱D像分類技術 形狀是圖像的重要可視化內容之一在二維圖像空間中，形狀通常被認為是一條封閉的輪廓曲線所包圍的區(qū)域，所以對形狀的描述涉及到對輪廓邊界的描述以及對這個邊界所包圍區(qū)域的描述.目前的基于形狀分類方法大多圍繞著從形狀的輪廓特征和形狀的區(qū)域特征建立圖像索引。
關于對形狀輪廓特征的描述主要有：直線段描述、樣條擬合曲線、傅立葉描述子以及高斯參數(shù)曲線等等。實際上更常用的辦法是采用區(qū)域特征和邊界特征相結合來進行形狀的相似分類.如Eakins等人提出了一組重畫規(guī)則并對形狀輪廓用線段和圓弧進行簡化表達，然后定義形狀的鄰接族和形族兩種分族函數(shù)對形狀進行分類.鄰接分族主要采用了形狀的邊界信息，而形狀形族主要采用了形狀區(qū)域信息.在形狀進行匹配時，除了每個族中形狀差異外，還比較每個族中質心和周長的差異，以及整個形狀的位置特征矢量的差異，查詢判別距離是這些差異的加權和。
基于空間關系的圖像分類技術 在圖像信息系統(tǒng)中，依據(jù)圖像中對象及對象間的空間位置關系來區(qū)別圖像庫中的不同圖像是一個非常重要的方法。因此，如何存貯圖像對象及其中對象位置關系以方便圖像的分類，是圖像數(shù)據(jù)庫系統(tǒng)設計的一個重要問題。
而且利用圖像中對象間的空間關系來區(qū)別圖像，符合人們識別圖像的習慣，所以許多研究人員從圖像中對象空間位置關系出發(fā)，著手對基于對象空間位置關系的分類方法進行了研究。早在1976年，Tanimoto提出了用像元方法來表示圖像中的實體，并提出了用像元來作為圖像對象索引。
隨后被美國匹茲堡大學chang采納并提出用二維符號串（2D一String）的表示方法來進行圖像空間關系的分類，由于該方法簡單，并且對于部分圖像來說可以從ZD一String重構它們的符號圖，因此被許多人采用和改進，該方法的缺點是僅用對象的質心表示空間位置；其次是對于一些圖像來 說我們不能根據(jù)其ZD一string完個重構其符號圖；再則是上述的空間關系太簡單，實際中的空間關系要復雜得多。，針對這些問題許多人提出了改進力一法。
Jungert根據(jù)圖像對象的最小包圍盒分別在：x軸方向和y軸上的投影區(qū)間之間的交疊關系來表示對象之間的空間關系，隨后Cllallg和Jungert等人又提出了廣義ZD一string(ZDG一String)的方法，將圖像對象進一步切分為更小的子對象來表示對象的空間關系，但是該方法不足之處是當圖像對象數(shù)日比較多且空間關系比較復雜時，需要切分的子對象的數(shù)目很多，存儲的開銷太大，針對此Lee和Hsu等人提出了ZDC一string的方一法，它們采用Anell提出的13種時態(tài)間隔關系并應用到空間投影區(qū)問上來表達空間關系。在x軸方向和y軸方向的組合關系共有169種，他提出了5種基本關系轉換法則，在此基礎上又提出了新的對象切分方法。
采用 ZDC一string的方法比ZDG一string切分子對象的數(shù)目明顯減少。為了在空間關系中保留兩個對象的相對空間距離和對象的大小，Huang等人提出了ZDC書string的方法提高符號圖的重構精度，并使得對包含對象相對大小、距。
2.圖形的分類有哪些呢
還有平面圖，立體圖，3d圖圖形的種類：圓形，長方形，正方形，平行四邊形，三角形，梯形；圓柱，圓錐，球形，長方體，正方體。
為了利用中間帶的特征，Chang和Kuo開發(fā)出一種樹型結構的小波變化來進一步提高分類的準確性。還有一些研究者將小波變換和其他的變換結合起來以得到更好的性能，如Thygaarajna等人結合小波變換和共生矩陣，以兼顧基于統(tǒng)計的和基于變換的紋理分析算法的優(yōu)點。
擴展資料： 實際上更常用的辦法采用區(qū)域特征和邊界特征相結合來進行形狀的相似分類，如Eakins等人提出了一組重畫規(guī)則并對形狀輪廓用線段和圓弧進行簡化表達，然后定義形狀的鄰接族和形族兩種分族函數(shù)對形狀進行分類。 鄰接分族主要采用了形狀的邊界信息，而形狀形族主要采用了形狀區(qū)域信息，在形狀進行匹配時，除了每個族中形狀差異外，還比較每個族中質心和周長的差異，以及整個形狀的位置特征矢量的差異，查詢判別距離是這些差異的加權和。
參考資料來源：百度百科-圖像分類。
3.大家談談高分辨率（5米以下）遙感圖像的分類的好方法
對于五米以上高分辨率遙感圖像分類，目前大致有兩種思路。
一是采取一些非參數(shù)的分類方法：
因為傳統(tǒng)的參數(shù)法，一是基于像元，二是基于概率統(tǒng)計。這兩條在高分辨率中因為類內方差變大，類間方差變變小，沒有明顯的聚類中心，存在這明顯的重疊。所以考慮一些非參數(shù)的方法進行監(jiān)督分類。比如神經網(wǎng)絡（ANN），支持向量機（SVM）等?？梢匀〉帽容^好的效果，尤其SVM是比較穩(wěn)健的分類方法。比如ENVI中監(jiān)督分類就有這兩類分類方法。不過ENVI中的神經網(wǎng)絡似乎有點問題，不太容易收斂。
另一類方法則是一樓提到的面向對象的分類方法。首先將同質區(qū)域進行分割、合并。在合并的基礎上進行監(jiān)督分類。這樣的分類精度比較高，而且?guī)缀醪粫猩Ⅻc。看起來比較漂亮。比如eCognition軟件。
以上兩種方法在應對高分辨率影像分類比較有效。
你若是要融合光譜和形狀信息的話，則需要更多的知識了。國內外都有人提出一些算法。比如LWEA,PSI等。
歡迎探討。謝謝
4.圖案的分類有哪幾種
按所占空間分，有平面圖案（如地毯、織錦、刺繡圖案）、立體圖案 （如家具、陶瓷圖案）。
按歷史范疇分，有原始社會圖案、傳統(tǒng)圖案、現(xiàn)代圖案。
按社會關系分，有宮廷工藝美術圖案、民間工藝美術圖案。
按工藝美術品的種類分，有青銅圖案、陶瓷圖案、漆器圖案、印染圖案、織錦圖案、工業(yè)造型圖案、家具圖案、商標圖案、書籍裝幀圖案等。
按裝飾手法分，有寫實圖案、變形圖案、具象圖案、抽象圖案、視覺錯圖案等。
按圖案的結構分，有單獨圖案、角隅圖案、適合圖案、邊飾圖案、連續(xù)圖案等。
按裝飾題材分，有植物圖案、動物圖案、人物圖案、風景圖案、器物圖案、文字圖案、自然現(xiàn)象圖案、幾何圖案以及由多種題材組合或復合的圖案。
擴展資料：
基本解釋：
(1)有裝飾意味的、結構整齊勻稱的花紋或圖形
(2)圓點花紋的圖案
(3)涂鴉作品，T恤衫上的圖案
引證解釋：
(1)有裝飾意味的花紋或圖形。以構圖整齊、勻稱、調和為特點，多用在紡織品、工藝美術品和建筑物上。
魯迅《書信集·致楊霽云》：“他們最喜歡可以生吞活剝的繪畫，或圖案，或廣告畫，以及只有一本的什么‘大觀’?！?/p>
(2)引申指社會生活的藍圖或縮影。
夏丏尊葉圣陶《文心》八：“在他，這幾首詩已不止是空泛的憧憬，簡直想認作實際生活的素描的圖案了。
參考資料：搜狗百科-圖案
