多特征融合的室內(nèi)場景分類研究.pdf

1、室內(nèi)場景分類是場景分類的一個研究領(lǐng)域，同時也是場景分類的一個研究難點。如有效解決室內(nèi)場景分類精度低的問題，將有助于室內(nèi)場景分類在場景圖片檢索、視頻檢索及機(jī)器人等領(lǐng)域的應(yīng)用。因此，室內(nèi)場景分類的研究具有重要的意義。當(dāng)前應(yīng)用室內(nèi)場景分類主要兩種特征模型:第一種是David G等人提出的空間金字塔模型以及Bosch A等人提出的金字塔梯度直方圖模型;第二種是Oliva等人提出的場景形狀整體空間包絡(luò)模型。本文提出了一種局部特征和全局特征融合的室

2、內(nèi)場景分類方法。這種方法結(jié)合了局部特征的細(xì)節(jié)性和全局特征的全貌性，適當(dāng)提高了室內(nèi)場景分類精度。
　　首先，本文綜述了室內(nèi)場景分類相關(guān)的背景知識，以及它的研究意義;分析了室內(nèi)場景分類的研究現(xiàn)狀。
　　其次，本文闡述了獲取尺度不變特征轉(zhuǎn)換(SIFT，Scale-invariant feature transform)的詳細(xì)過程，Gist特征概念及獲取的過程，PHOG(Pyramid Histogram of Orientated

3、Gradients)特征概念及獲取過程，SVM分類器，PCA(Principle Component Analysis)降維。其中SIFT特征和PHOG特征屬于場景圖像的局部特征，Gist特征屬于場景圖像的全局特征。另外，本文還闡述了在多特征下進(jìn)行多特征融合的方法。
　　第三，本文提出了改進(jìn)的SIFT特征提取方法。經(jīng)典空間金字塔模型在提取場景圖像SIFT特征時，會生成n*128維的特征矩陣，其中n為關(guān)鍵點的個數(shù)，也就是矩陣行數(shù)，1

4、28為關(guān)鍵點的特征維度。這種情況下場景圖像特征矩陣存在大量0元素，從而導(dǎo)致場景分類精度很低。為此，本文根據(jù)關(guān)鍵點位置進(jìn)行聚類處理，再提取SIFT特征，得到統(tǒng)一維度的SIFT特征矩陣后再進(jìn)行降維處理。另外，本文詳細(xì)闡述了Gist特征和PHOG特征獲取的具體的步驟、詳細(xì)分析了多特征融合的室內(nèi)場景分類方法的整體架構(gòu)及具體研究了室內(nèi)場景多特征的生成。
　　第四，本文進(jìn)行了實驗與結(jié)果分析。首先進(jìn)行了室內(nèi)場景圖像的訓(xùn)練集和測試集占比的實驗，從