基于顯著性檢測(cè)的圖像分類算法

　　針對(duì)傳統(tǒng)的圖像分類方法對(duì)整個(gè)圖像不分等級(jí)處理以及缺乏高層認(rèn)知的問(wèn)題，提出了一種基于顯著性檢測(cè)的圖像分類方法。首先，利用視覺注意模型進(jìn)行顯著性檢測(cè)，得到圖像的顯著區(qū)域；然后，利用Gabor濾波方法和脈沖耦合神經(jīng)網(wǎng)絡(luò)模型，分別提取該顯著區(qū)域的紋理特征和時(shí)間簽名特征；最后，根據(jù)提取的紋理特征和時(shí)間簽名特征，利用支持向量機(jī)實(shí)現(xiàn)圖像分類。實(shí)驗(yàn)結(jié)果表明，所提方法在SIMPLIcity圖像數(shù)據(jù)集上平均分類正確率達(dá)到94. 26%，在Caltech數(shù)據(jù)集上平均分類正確率為95. 43%，從而證明，顯著性檢測(cè)與有效的特征提取對(duì)圖像分類有重要影響。