基于纹理基元与颜色的室外自然场景分类
为解决算法生成纹理地图时时间耗费量大的问题,提出采用KD-tree算法对数据结构进行划分、减小KNN算法搜索复杂度、提高搜索速度的方法.针对基于纹理基元的分类算法无法准确检测室外某些纹理相似性较高的自然场景,提出加入颜色特征、设置相应权值构建混合模型的方法.实验结果表明,基于KD-tree的KNN算法可缩短分类时间、满足实时性的要求,基于纹理基元与颜色的分类算法在室外自然场景中能够获得较高的分类精确度.
纹理基元、自然场景分类、混合模型、KD-tree
31
TP391.41(计算技术、计算机技术)
爆炸科学与技术国家重点实验室北京理工大学自主课题资助项目QNKT10-03
2012-03-30（万方平台首次上网日期，不代表论文的发表时间）
共5页
1342-1346
