返回信息流如上图所示，两张图像中都有包包。显然，上图的背景是复杂的，而下图的背景是简单的。在图像搜索中，对于简单背景的图片，其准确度要高很多。对于复杂背景的图片，其识别率要低很多，即使是用著名的SIFT算子，效果也不好。对于复杂背景的处理，一直是图像领域的一个研究热点，这篇文章暂时不讨论这个问题。讨论的是，如何自动的区分出复杂背景的图片和简单背景的图片？
对于这个问题，我开始也有些茫然，不知从何下手。后来仔细想了想，其实是一个比较简单的问题。主要是两种图片的边缘特征和纹理特征的差异比较大。从这个思路出发，就很简单了，步骤如下：
1）选择500个左右的复杂背景图片作为正样本，再选择5000个左右的简单背景图片作为负样本；
2） 对每个样本，提取其形状特征和纹理特征；
3）用SVM 进行训练。
对于SVM 训练好的 model ， 我对其进行了测试。选了600张正样本 和 1000张负样本，识别率有97.5%，看来这个思路是可行的。
附：如果你觉得这篇文章对你有用，请关注我的微博：http://www.weibo.com/lianliantu
也可以光临我做的导购网站, 连连图http://www.lianliantu.com
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #9401同步于 2012/8/3
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
如何自动区分复杂背景的图片和简单背景的图片
cbzeng
2012/8/3镜像同步4 回复
订阅后，新回复会通过你的通知中心匿名送达。
4 条回复
支持自己创业的，去看了LZ连连图，很不错哇，搜索速度很快。
LZ能多写点技术心得会更好O(∩_∩)O
【 在 cbzeng (小斌) 的大作中提到: 】
: [upload=1][/upload][upload=2][/upload]
: 如上图所示，两张图像中都有包包。显然，上图的背景是复杂的，而下图的背景是简单的。在图像搜索中，对于简单背景的图片，其准确度要高很多。对于复杂背景的图片，其识别率要低很多，即使是用著名的SIFT算子，效果也不好。对于复杂背景的处理，一直是图像领域的一个研究
: 对于这个问题，我开始也有些茫然，不知从何下手。后来仔细想了想，其实是一个比较简单的问题。主要是两种图片的边缘特征和纹理特征的差异比较大。从这个思路出发，就很简单了，步骤如下：
: ...................
如果只是这种简单的北京， 利用只适应阈值法， 分割基本不会错， 如果是固定的白色背景的话。。。
【 在 cbzeng 的大作中提到: 】
: [upload=1][/upload][upload=2][/upload]
: 如上图所示，两张图像中都有包包。显然，上图的背景是复杂的，而下图的背景是简单的。在图像搜索中，对于简单背景的图片，其准确度要高很多。对于复杂背景的图片，其识别率要低很多，即使是用著名的SIFT算子，效果也不好。对于复杂背景的处理，一直是图像领域的一个研究热点，这篇文章暂时不讨论这个问题。讨论的是，如何自动的区分出复杂背景的图片和简单背景的图片？
: 对于这个问题，我开始也有些茫然，不知从何下手。后来仔细想了想，其实是一个比较简单的问题。主要是两种图片的边缘特征和纹理特征的差异比较大。从这个思路出发，就很简单了，步骤如下：
: ...................