1、“.....根图像直方图特征不受图像旋转和平移变化的影响，在光异物识别中，是个性能优良的特征。对于大多数的分类器，共生矩阵纹理和直方图特征相结合时的正确识别率最高。这说明不同的特征之间具有定的互补性。将不同特征进行基于联合特征的光图像违禁品分类方法论文原稿征向量维度为，联合特征即为将共生矩阵纹理和直方图的特征向量串联起来构成的特征向量，维度为。根据实验结果可知对大多数分类器而言，纹理特征取得的识别结果效果较差，这是由于纹理特征即类识别。首先......”。

2、“.....然后提取共生矩阵特征纹理特征。然后，本文将共生矩阵纹理和颜色直方图特征相结合，得到联合特征向量，利用多种分，适用于比较大的训练集，并且其识别率对缺失的数据较敏感，因而正確识别率低。贝叶斯分类器假设属性之间相互独立，本文中属性之间相关性较大，所以贝叶斯网络分类正确率较低。随机森林分类判决时能检测特征间的相互影响，违禁品光图像的变换将图像高频子带经方向滤波器组分解为个方向子带......”。

3、“.....系统采集到的违禁品图像是伪彩色图像，本文首先将采集到的伪征的光图像违禁品分类方法论文原稿。违禁品的分类判决。根据提取的特征，采用随机森林等分类器分别对违禁品图像进行分类识别。违禁品的特征提取违禁品光图像的特征提取是分类判决的重要前提，对系统具有关键的意义。由于变换具有多方向多尺度和各向异性的特点，可以用相对较少的系数高效表示图像的边缘信息，因此本文首先对光图像进行变换，然后提取特征。图像直方图特征颜色特征是图像的种全局特征......”。

4、“.....图方向和多尺度分解。系统采集到的违禁品图像是伪彩色图像，本文首先将采集到的伪彩色图像转换成灰度图像，然后再采用变换处理灰度图像，再提取图像的共生矩阵特征和纹理特征，分别得到共生矩阵特原图进行变换，然后提取共生矩阵特征纹理特征。然后，本文将共生矩阵纹理和颜色直方图特征相结合，得到联合特征向量，利用多种分类器识别特征向量。最后，实验验证了项目提出的联合基于联合特征的光图像违禁品分类方法论文原稿变换具有多方向多尺度和各向异性的特点......”。

5、“.....因此本文首先对光图像进行变换，然后提取特征。识别中，是个性能优良的特征，因而将图像直方图作为分类特征可以有效对违禁品加以分类。违禁品的分类判决对违禁品的光图像提取特征后，下步需对特征向量加以分类。本文使用多种分类器对不同的违禁品图像加以分类识别。基于联合特的数据较敏感，因而正確识别率低。贝叶斯分类器假设属性之间相互独立，本文中属性之间相关性较大，所以贝叶斯网络分类正确率较低......”。

6、“.....并且适合高维度的特征分类，本文中将共生矩阵和为两把不同弹簧刀的光图像，属于利器类违禁品，为丙酮的光图像，属于易燃易爆类违禁品，从图中可以看出相同类违禁品的光图像的直方图分布差异较小。不同类别违禁品光图像的直方图分布差异较大。从上述分析可知，在光图像违禁品征向量和纹理特征向量。违禁品的分类判决。根据提取的特征，采用随机森林等分类器分别对违禁品图像进行分类识别。违禁品的特征提取违禁品光图像的特征提取是分类判决的重要前提......”。

7、“.....由于征向量进行分类时的高效性。基于联合特征的光图像违禁品分类方法论文原稿。违禁品光图像的变换将图像高频子带经方向滤波器组分解为个方向子带，对低频子带进行相关处理实现图像的多纹理特征和直方图特征结合起来，特征向量的维度为，随机森林分类算法比较符合本文的分类要求，因而正确识别率最高。结语本文对民航机场安检时采集的违禁品光图像进行了分类识别。首先......”。

8、“.....这说明不同的特征之间具有定的互补性。将不同特征进行联合是个正确的选择。在分类器性能方面，决策树分类器推广性差，适用于比较大的训练集，并且其识别率对缺失据实验结果可知对大多数分类器而言，纹理特征取得的识别结果效果较差，这是由于纹理特征即方向度及规则度等不能够表示有效的区分不同种类的违禁品图像。对多数分类器而言，共生矩阵特征单特征中效果较好合是个正确的选择。系统总体框架本文形成个基于联合特征的民航光图像违禁品分类识别系统......”。

9、“.....违禁品检测分类系统总体框图如图所示。图包括如下流程图像采集。通过安检光机采集乘客方向度及规则度等不能够表示有效的区分不同种类的违禁品图像。对多数分类器而言，共生矩阵特征单特征中效果较好，这是由于共生矩阵能够有效地提取和区分不同种类的违禁品的图像特征。直方图特征的效果优于共生矩阵特征，这是由于器识别特征向量。最后，实验验证了项目提出的联合特征向量进行分类时的高效性......”。