基于距離測度學習的圖像分類方法研究.pdf

1、基于內(nèi)容的圖像分類方法是計算機視覺領域中的難點和熱點問題之一。目前幾乎所有的圖像分類方法都依賴于用圖像底層特征間的距離來度量圖像內(nèi)容的語義相似度,實現(xiàn)對圖像內(nèi)容的理解。然而,圖像的底層特征和高層語義間往往存在巨大的語義鴻溝。如何縮小語義鴻溝,提高圖像分類系統(tǒng)的性能,是一個得到廣泛研究的課題。此外,由于人們對于圖像內(nèi)容間的相似度往往帶有主觀性,如何將這些影響反映到圖像間特征相似度的計算上,實現(xiàn)“個性的”圖像分類是一個值得深入研究的方向。<

2、br>　　本文首先介紹了圖像分類系統(tǒng)的一般框架,圖像的視覺底層提取,重點介紹分析了不同特征間的距離度量方法。一些距離度量方法由于缺乏對特征空間較好的描述,忽略了背景環(huán)境信息對距離度量的幫助,往往效果不是很理想。因此,如何能夠從有類標的圖像特征空間中自動學到一種合適的距離測度就顯得十分關鍵。本文對距離測度學習方法做了系統(tǒng)的分析研究,探討了不同距離測度學習算法的本質以及相互之間的聯(lián)系。
　　接著,本文提出了一種基于特征互補率矩陣的圖像

3、分類方法,試圖從兩個角度減小語義鴻溝。一方面,圖像的各種視覺底層特征描述了圖像內(nèi)容不同方面的特性,因此可以通過融合這些特征更好的描述圖像內(nèi)容,這里我們通過計算特征互補率矩陣來指導融合特征集的選擇:另一方面,對線性融合后的特征,利用距離測度學習算法從圖像訓練集中學到一個距離函數(shù)以更恰當?shù)姆从硤D像內(nèi)容間的相似度。實驗表明,該方法能有效提高分類系統(tǒng)性能。
　　此外,我們通過實驗研究了圖像數(shù)據(jù)集不同語義粒度的劃分對分類性能的影響,比較分析