基于中層特征的圖像分類.pdf

1、本論文主要研究基于中層特征的圖像分類。相比于傳統(tǒng)的圖像底層特征，中層特征語(yǔ)義信息更豐富、穩(wěn)定性更好、判別能力更強(qiáng)，因而更適應(yīng)于現(xiàn)代多媒體技術(shù)的發(fā)展。FV(Fisher Vector)中層特征由于其分類能力強(qiáng)，對(duì)分類器不敏感等優(yōu)點(diǎn)獲得了廣泛的關(guān)注。
　　本文首先針對(duì)FV特征計(jì)算量大的缺點(diǎn)，使用稀疏FV進(jìn)行了加速。本文提出了快速稀疏FV和自適應(yīng)稀疏FV，能適應(yīng)不同場(chǎng)景下的圖像分類需求。在通過(guò)實(shí)驗(yàn)驗(yàn)證稀疏FV的同時(shí)，從理論上分析稀疏FV

2、提升計(jì)算效率的原因，為進(jìn)一步改進(jìn)稀疏FV打下基礎(chǔ)。
　　其次本文提出利用圖像前景先驗(yàn)分布來(lái)抑制圖像中背景成分，提高分類精度的算法。首先使用objectness算法得到可能包含前景的窗口，再使用貝葉斯概率模型求出圖像前景的概率分布，通過(guò)對(duì)各特征的加權(quán)增強(qiáng)前景特征在圖像表達(dá)中的作用。實(shí)驗(yàn)證明前景先驗(yàn)分布提高了分類效果，并能與各種中層特征算法相結(jié)合。
　　最后本文針對(duì)傳統(tǒng)圖像分類算法無(wú)法識(shí)別未訓(xùn)練類別的不足，使用屬性特征實(shí)現(xiàn)了圖像