基于贝叶斯分类器的图像分类

基于贝叶斯分类器的图像分类

董立岩¹, 苑森淼¹, 刘光远², 贾书洪³

1. 吉林大学计算机科学与技术学院, 长春 130012； 2. 吉林大学通信工程学院, 长春 130022；3. 空军航空大学基础部, 长春 130022

收稿日期:2006-10-14 修回日期:1900-01-01 出版日期:2007-03-26 发布日期:2007-03-26
通讯作者: 苑森淼

Image Classification Based on Bayesian Classifier

DONG Liyan¹, YUAN Senmiao¹, LIU Guangyuan², JIA Shu hong³

1. College of Computer Science and Technology, Jilin University, Changchun 130012, China;2. College of Communication Engineering, Jilin University, Changchun 130022, China;3. Department of Foundation, Aviation University of Air Force, Changchun 130022, China

Received:2006-10-14 Revised:1900-01-01 Online:2007-03-26 Published:2007-03-26
Contact: YUAN Senmiao

摘要/Abstract

摘要： 通过对朴素贝叶斯分类器的讨论, 提出将贝叶斯方法应用于医学图像分割后的图像分类思想. 给出一种基于朴素贝叶斯分类器的图像分类方法, 对从尿沉渣图像中识别出的微粒进行正确分割及特征提取与选择, 并利用朴素贝叶斯分类器进行分类. 实验结果表明，所提出的方法用于解决图像分类有效.

关键词: 贝叶斯分类器, 图像分类, 特征提取, 特征选择

Abstract: Naive Bayesian classifier was discussed. Naive Bayesian approach was used in image classification. The new method improves the accuracy of image recognition. An image classification method based on naive Bayesian classifier was introduced. After distinguishing the visible compositions, feature extraction and feature selection were processed. In the end, naive Bayesian classifier was used in classifying of object entities. Experiment result shows that the new method is suitable for image classification.

Key words: Bayesian classifier, image classification, feature ext raction, feature selection

中图分类号:

TP18

董立岩, 苑森淼, 刘光远, 贾书洪. 基于贝叶斯分类器的图像分类[J]. J4, 2007, 45(02): 249-253.

DONG Liyan, YUAN Senmiao, LIU Guangyuan, JIA Shu hong. Image Classification Based on Bayesian Classifier[J]. J4, 2007, 45(02): 249-253.

[1]	王立宁, 蔡旭东. 基于改进ResNet50模型的体育图像分类[J]. 吉林大学学报(理学版), 2025, 63(6): 1655-1662.
[2]	朱丽, 潘鑫, 付海涛, 杨亚杰, 金晨磊, 冯宇轩, 范健. 基于空间金字塔注意力的细粒度图像分类[J]. 吉林大学学报(理学版), 2025, 63(3): 795-0803.
[3]	郭晓新, 杨梅, 杨广奇, 董洪良, 徐海啸. 基于多层次多尺度注意力融合网络的多模态眼底疾病诊断模型[J]. 吉林大学学报(理学版), 2025, 63(3): 783-0794.
[4]	李鹏松, 周冰倩, 季芷伊, 于永平. 基于多粒度融合和双注意力的细粒度图像分类[J]. 吉林大学学报(理学版), 2024, 62(6): 1447-1454.
[5]	李坤, 刘婧, 齐赫. 具有潜在表示和动态图约束的多标签特征选择[J]. 吉林大学学报(理学版), 2024, 62(5): 1188-1202.
[6]	周程阳, 刘伟, 吴天润, 李骜, 韩霄松. 基于混合专家模型的岩石薄片图像分类[J]. 吉林大学学报(理学版), 2024, 62(4): 905-914.
[7]	梁云辉, 甘舰文, 陈艳, 周芃, 杜亮. 基于图滤波与自表示的无监督特征选择算法[J]. 吉林大学学报(理学版), 2024, 62(3): 655-664.
[8]	吴叶辉, 李汝嘉, 季荣彪, 李亚东, 孙晓海, 陈娇娇, 杨建平. 基于随机增强Swin-Tiny Transformer的玉米病害识别及应用[J]. 吉林大学学报(理学版), 2024, 62(2): 381-0390.
[9]	段锦, 张文学, 莫苏新, 姜晓娇, 高美玲. 基于偏振方向统计特性的目标背景差异特征分析[J]. 吉林大学学报(理学版), 2024, 62(2): 369-0380.
[10]	宗敏. 基于机器学习的三维数字图像虚拟场景重建算法[J]. 吉林大学学报(理学版), 2023, 61(6): 1425-1431.
[11]	王李祺, 侯宇超, 高翔, 谭秀辉, 程蓉, 王鹏, 白艳萍. 基于深度学习与狮群SVM算法的遥感场景分类[J]. 吉林大学学报(理学版), 2023, 61(4): 863-874.
[12]	刘浩翰, 孙铖, 贺怀清, 惠康华. 金属表面缺陷检测方法YOLOv3I[J]. 吉林大学学报(理学版), 2023, 61(3): 612-622.
[13]	高新成, 周中雨, 王莉利, 邵国铭, 张强. 基于二进制蜉蝣优化的特征选择及文本聚类算法[J]. 吉林大学学报(理学版), 2023, 61(3): 631-640.
[14]	朱丽, 王新鹏, 付海涛, 冯宇轩, 张竞吉. 基于注意力机制的细粒度图像分类[J]. 吉林大学学报(理学版), 2023, 61(2): 371-376.
[15]	袁义, 李国祥, 王继军. 基于Markov随机场模型的数字X光图像自适应增强算法[J]. 吉林大学学报(理学版), 2023, 61(2): 377-383.