文档介绍：基于Boost i ng算法的图像分类
摘要
图像分类属于模式识别的范畴，可以作为图像搜索引擎的预滤波，以降低图像检索时的图像匹配数量，提高检索速度。图像分类常采用经典的模式识别方法有统计模式分类和句法(结构)模式分类，近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。基于内容的图像检索(Content Based Image Retrieval, CBIR)已经成为非常活跃的研究领域之一。
我们先把图像库中的图像按照类型进行简单的分类，然后根据图像纹理特征、形状特征、颜色特征等进行组合，构造颜色直方图，运用Boosting算法进行最佳特征点子集的选择，把一些简单的，不太准确的弱分类器按照一定的方法组成一个复杂的，准确的强分类器，用Delphi语言编程实现人物画、风景画、国画及卡通画的分类。
文章分四部分，首先介绍图像分类的基础知识和Boosting算法及其算法流程，然后是Boosting算法在图像分类中的应用，最后是实验结果和分析。
关键词：图像分类，Boosting算法，基于内容的图像检索
目录
第1章图像分类基础知识 1
1
1
2
2
第2章 BOOST I NG算法及其理论基础 4
1 从数据中学****和PAC性质 4
2 Boosting算法的理论基础弱分类器的存在性 5
3 Boosting 算法及其算法流程 6
AdaBoost算法的训练错误率 7
第3章基于BOOST I NG算法的图像分类 8
8
1. 1颜色特征 8
1. 2 形状特征 9
2 基于Boosting算法的图像分类 9
3. 2. 1分类目标 9
3. 2. 2 特征提取 10
第4章实验结果与分析 21
1 实验数据图像 21
实验结果分析 21
24
结论 32
致谢 33
参考文献 34
根据分类目标把图像大体可以分为以下几种类型:

根据这两类图像之间的不同，用颜色方差直方图把这些差异表示出来。颜色方差直方图表示落在同种量化颜色上