基于BP神经网络的风景图像分类

谢文兰

【摘要】通过建立一个多输出的BP神经网络，提取图像的底层特征作为网络的输入，用语义期望值作为网络的输出.训练完成后，该网络能够对风景图像进行多种语义分类检索，从而建立起了从底层特征到语义特征之间的映射.提出的一种颜色提取方法不仅降低了颜色特征向量的维数，减少了计算量，节省了时间，而且在描述风景图像的颜色内容上更加准确.如何选取图像的语义阈值是一个重点也是一个难点，通过实验发现，当阈值的选取范围在［0.55，0.65］时，检索的查全率和准确率能达到一个比较好的平衡效果.实验证明，此方法在风景图像的分类上取得了较好的检索查全率和准确率.

【期刊名称】湖南工程学院学报（自然科学版）

【年(卷),期】2012(022)002

【总页数】3

【关键词】颜色提取方法；BP神经网络；阈值

目前人们主要是根据图像的含义来判断图像是否符合自己的需要，这些图像的含义即是图像的高层语义.如何跨越底层视觉特征和高层语义特征的鸿沟是语义图像检索中一个难点.现实的图像类别多种多样，有的还同时属于几类语义图像.为了解决这一问题，本文采用多输出BP神经网络对自然图像进行多种语义分类，对低层特征的选取做了实验和比较，提出一种新的颜色提取方法.并且对如何选取图像的语义阈值也做了实验和比较，通过实验发现，当阈值的选取范围在［0.55，0.65］时，检索的查全率和准确率能达到一个比较好的平衡效果.

1 底层视觉特征的提取