目录
The Assign Class Algorithm【指向分类算法】
The Classification Algorithm【特征分类算法】
The Hierarchical Classification Algorithm【层次分类算法】
基本分类算法
The Assign Class Algorithm【指向分类算法】
基本描述
赋值类算法是最简单的分类算法。它使用一个阈值条件来确定一个图像对象是否属于一个类。
适用范围
该算法适用于单个阈值条件满足的情况。
The Classification Algorithm【特征分类算法】
基本描述
分类算法利用类描述(特征)对图像对象进行分类。它计算类描述(特征)并确定一个图像对象是否可以是一个类的成员。
适用范围
基于模糊逻辑应用的隶属函数,或者在类描述中有组合条件(多特征组合),可以使用此算法。分类结果提供最似分类呈现可供你调整分类参数。
The Hierarchical Classification Algorithm【层次分类算法】
基本描述
层次分类算法用于将复杂的类层次结构应用于图像对象层次。该算法可应用于整个层次结构的类集合。它应用一个预定义的逻辑激活和禁用类基于以下规则:
- 只要类在继承层次结构中包含适用的子类,它们就不会应用于图像对象的分类(基于面向对象的继承特性,父类都是虚类,图像分割后的对象不会划分至父类,只会划分为最末端的子类)。
- 所有可用的分类特征都只应用于所选的图像对象的分类(限定条件后避免交叉影响)。
适用范围
图像特征复杂且简单的分类方法不易区分,需要经过多层次的分解才能较好的区分图像对象时,可选用本算法。
高级分类算法
高级分类算法被设计用来执行特定的分类任务。现有算法如下:
- 全局极值(最大值最小值)条件查找分类
- 局部极值(最大值最小值)条件查找分类
- 查找完全由某个类所包含的图像对象作为一个分类
- 查找完全被图像对象包围的对象作为一个分类
- 连接器分类:根据类的链接特征分类
- 切面叠加分类:通过与其他对象的重叠切面特征分类
- optimal box (Prototype)原型优选:基于训练样本为所选分类得到最优分割特征,同时为分类生成相应的隶属度函数实现分类。
- classifier分类器:基于样本的训练特征分类包括:贝叶斯(Bayes)、K临近(KNN)、支持向量机(SVM)、决策树(Decision Tree)、随机森林(Random Tree)