论文部分内容阅读
对海量小差异图像群进行有效分类,能够极大地满足用户对于图像搜索及管理需求.传统的海量小差异图像分类的方法需要限定大量的分类约束条件,存在分类效率低,无效分类多的弊端.为此,提出基于模糊贴近度改进的海量小差异图像分类方法.利用SIFT算法对采集的海量小差异图像群进行特征提取分析,为进行图像进一步分类提供数据支持.把模糊贴近度的概念引入到分类算法中,对海量小差异图像群进行分类模型构建,求取最优解,完成对海量小差异图像群的最优分类.实验结果表明,运用改进分类算法对海量小差异图像进行分类,能够提高图像分类的