基于Fisher Kernel的圖像特征學(xué)習(xí)研究.pdf

1、在如今數(shù)據(jù)爆炸的時(shí)代，如何對(duì)數(shù)據(jù)進(jìn)行有效的分類篩選，從而準(zhǔn)確獲取符合用戶需求的有價(jià)值的信息成為人們面臨的主要問(wèn)題。在所有的數(shù)據(jù)類型中，圖像是其中最常見的一種，且有著信息量大以及便于理解等特點(diǎn)，因而針對(duì)圖像的分析與理解逐漸成為研究的熱點(diǎn)。其主要的研究方向包括圖像分類、圖像檢索以及目標(biāo)識(shí)別等，它們有著各自不同的研究?jī)?nèi)容和目的，但相互之間也有所關(guān)聯(lián)。
　　由于圖像數(shù)據(jù)量大及其非結(jié)構(gòu)化等特性，幾乎所有的圖像分析與理解任務(wù)都不能直接在原圖像

2、上進(jìn)行像素級(jí)的分類識(shí)別等操作，需要將圖像表示為易于處理的特征向量。這種圖像特征表達(dá)的好壞直接影響了圖像分析與理解的結(jié)果，特征構(gòu)建方法也由數(shù)字圖像處理發(fā)展到特征學(xué)習(xí)領(lǐng)域，不同于前者的手工構(gòu)建特征，特征學(xué)習(xí)是在給定數(shù)據(jù)集上進(jìn)行監(jiān)督或非監(jiān)督的機(jī)器學(xué)習(xí)得到需要的特征表達(dá)。
　　在眾多的特征學(xué)習(xí)方法中，F(xiàn)isher Kernel方法利用高斯混合模型在圖像局部特征上構(gòu)建特征碼本，并通過(guò)求解模型上的對(duì)數(shù)似然梯度得到全局的特征表示，相對(duì)于其他模型

3、在圖像表達(dá)的全面性和判別性方面都展現(xiàn)了很大優(yōu)勢(shì)，同時(shí)，F(xiàn)isher Kernel作為一類標(biāo)準(zhǔn)的特征學(xué)習(xí)框架在兼容性和擴(kuò)展性方面都有著巨大的潛力。因此，基于Fisher Kernel的圖像特征學(xué)習(xí)方法的研究具有重要意義。
　　本文首先對(duì)基本的Fisher Kernel方法進(jìn)行改進(jìn)，引入多碼本概念，提高視覺(jué)詞之間的區(qū)分度，并根據(jù)不同尺度圖像攜帶信息不同的特性，提出一種多尺度多碼本的圖像表達(dá)方法，得到效果更好的特征。另外，利用近年發(fā)展起

4、來(lái)的卷積神經(jīng)網(wǎng)絡(luò)，提出跨卷積層池化的Fisher Kernel圖像特征表達(dá)，充分利用了卷積網(wǎng)絡(luò)的內(nèi)在特性并融合了兩者的優(yōu)勢(shì)得到新的特征表達(dá)。本文的主要貢獻(xiàn)如下:
　　(1)由于基本的Fisher Kernel模型存在單一碼本限制特征表達(dá)效果的問(wèn)題，本文針對(duì)該問(wèn)題提出多碼本聯(lián)合編碼，利用碼本間的差異化提供更加全面的特征表達(dá)，同時(shí)在輸入端將不同尺度的圖像與不同碼本相對(duì)應(yīng)，構(gòu)建了完整的多尺度多碼本圖像表達(dá)體系，進(jìn)一步提升了表達(dá)效果。