基于中層語義特征的圖像場景分類研究.pdf

1、隨著網(wǎng)絡(luò)與多媒體技術(shù)的快速發(fā)展,圖像數(shù)據(jù)發(fā)生爆炸性增長,基于內(nèi)容的數(shù)字圖像操作越來越多,給人們對圖像的管理帶來巨大挑戰(zhàn)。面對海量圖像數(shù)據(jù),傳統(tǒng)依靠人工操作對圖像進行分類與標(biāo)注的管理方式因其耗費大量人力而不可行。利用計算機按照人類的理解方式自動將圖像分類到不同語義類別成為一個緊迫任務(wù)。
　　 圖像場景是基于圖像理解的眾多高層語義中重要一種,它不僅包含人們對一幅圖像的總體認(rèn)識,還提供了圖像對象出現(xiàn)的上下文語義環(huán)境,為進一步識別圖像對

2、象提供基礎(chǔ)。圖像場景分類已成為當(dāng)前計算機視覺和多媒體信息管理領(lǐng)域的熱點問題。
　　 圖像場景分類根據(jù)圖像內(nèi)容自動將圖像分到不同場景類別(如:城市、森林、海岸等)。場景分類通常分為兩種:基于底層特征的場景分類和基于中層語義的場景分類。底層特征直接描述圖像語義信息能力較差,在向高層語義抽象時存在語義鴻溝,需要一種中間語義作為底層特征與高層語義的過渡。
　　 本文主要研究內(nèi)容及創(chuàng)新有以下幾點:
　　 1、提出多種特征點

3、融合的SIFT特征提取算法。該算法在傳統(tǒng)SIFT的基礎(chǔ)上,增加部分偽極值點和非極值點作為感興趣點,可以獲得更多的特征點,并使特征點在圖像上分布更均勻。
　　 2、提出層次聚類視覺詞典構(gòu)建算法。該算法在生成視覺詞典前對每幅圖像特征單獨進行一次聚類,可以使視覺單詞包含更多的場景信息,并大大縮短視覺詞典生成時間。
　　 3、采用軟分配量化SIFT特征。該算法將一個SIFT特征分配到多個視覺單詞上,更符合圖像特征本質(zhì)。