場景圖像分類的若干問題研究.pdf

1、場景圖像分類是計算機(jī)視覺領(lǐng)域的一個重要問題，利用計算機(jī)和各種圖像處理技術(shù)實(shí)現(xiàn)快速、準(zhǔn)確的場景圖像分類已經(jīng)成為當(dāng)下圖像研究的熱門方向，在圖像檢索、視頻檢索、醫(yī)療衛(wèi)生、安全監(jiān)控等得到了廣泛的應(yīng)用。BOW模型將圖像看成是一個文檔，由若干個視覺詞匯組成。通過將局部圖像塊的特征轉(zhuǎn)化為視覺詞匯，并對視覺詞匯進(jìn)行統(tǒng)計得到圖像的描述。這種方法簡單有效，非常適合用作圖像的表示。因此，本文主要研究基于BOW模型的場景圖像分類，并對其中的主要模塊進(jìn)行改進(jìn)。<

2、br>　　首先，在特征提取部分，針對傳統(tǒng)SWT算法中存在計算復(fù)雜、特征向量維數(shù)過高等問題，提出了一種新的局部特征描述子:GPCA-SIFT。該描述子將PCA-SIFT特征提取算法和GPCA圖像壓縮方法有效結(jié)合，保留了圖像像素點(diǎn)的空間位置信息，表現(xiàn)出很好的獨(dú)特性和魯棒性，同時提高了場景圖像的分類性能。
　　其次，在字典構(gòu)建部分，通過引入一種基于密度的快速聚類算法，提出了一種改進(jìn)的基于密度的K-means聚類算法，很好地確定了初始聚類