基于集成投影及卷積神經(jīng)網(wǎng)絡的建筑風格分類算法研究.pdf

1、隨著多媒體、數(shù)據(jù)庫、海量存儲、網(wǎng)絡等信息技術(shù)的高速發(fā)展，數(shù)字圖像正以數(shù)以億計的數(shù)量不斷增加。在這海量的數(shù)字圖像當中，如何快速的對圖像進行有效的組織和分類，成為目前最主要的工作。本文提出了基于集成投影的二次分類算法（Secondary classification based on Ensemble Projection, SEP）對建筑風格圖像進行分類。同時，由于卷積神經(jīng)網(wǎng)絡在圖像分類方面有一定的研究成果，所以本文也用卷積神經(jīng)網(wǎng)絡對建筑

2、風格圖像進行分類。本文主要研究建筑風格圖像分類問題。由于不同建筑風格之間具有一定的相似性，同一種建筑風格之間隨著地域的變化具有一定的差異性，導致建筑風格分類存在一定的困難，傳統(tǒng)的建筑風格分類算法不能很好的解決此問題。
　　本研究用SEP算法對建筑風格圖像進行分類。建筑風格圖像中存在樹木、天空等非建筑物元素，這些元素將會降低圖像分類的準確性。為了提取出建筑風格圖像中建筑物元素，降低非建筑物元素對分類效果的影響，本文首先采用可變性的部

3、件模型（Deformable Parts Models, DPM）對建筑風格圖像數(shù)據(jù)集進行預處理，然后用SEP算法對預處理后的圖像進行分類。SEP算法分為兩部分：無監(jiān)督的特征學習過程和有監(jiān)督的分類過程。在無監(jiān)督的特征學習過程中采用最大最小采樣方法確定樣本點，此方法利用樣本點之間的最大距離來確定不同類，用樣本點之間的最小距離來確定相同類，從而解決了不同建筑風格之間的相似性和同種建筑風格之間的差異性問題。在有監(jiān)督分類過程中采用二次分類的思想

4、對圖像進行分類，二次分類的分界點用加權(quán)平均的方法確定。采用卷積神經(jīng)網(wǎng)絡對建筑風格圖像進行分類，對圖像進行分類之前，也使用DPM算法對圖像進行預處理。預處理后的圖像輸入到卷積神經(jīng)網(wǎng)絡中，經(jīng)過多層卷積抽象組合底層特征形成抽象的高層特征，然后用高層特征進行分類。用SEP算法和卷積神經(jīng)網(wǎng)絡分別對十類和二十五類建筑風格圖像進行分類實驗驗證。SEP算法結(jié)合SVM對十類和二十五類的建筑風格圖像的分類正確率分別為0.7821和0.5535，結(jié)合LR的相