基于局部區(qū)域潛在語義信息的圖像分類方法研究.pdf

1、隨著數(shù)字成像技術(shù)的快速發(fā)展,數(shù)字圖像呈現(xiàn)海量式增長。如何實現(xiàn)快捷、高效的圖像組織和檢索成為頗具價值的研究課題。目前面向語義提取的圖像分類技術(shù)面臨諸多挑戰(zhàn),如何構(gòu)建高效的圖像分類方法仍是一個值得深入研究的問題。本文圍繞語義提取需求背景下的圖像分類研究這一主題展開,論文的主要工作如下:
　　(1)概述了圖像特征提取方法和分類方法研究現(xiàn)狀,分析了當(dāng)前圖像分類面臨的問題。探討了基于概率潛在語義分析(probabilistic Latent

2、 Semantic Analysis, pLSA)的圖像分類機制。
　　(2)由于傳統(tǒng)的pLSA模型無法獲得圖像的空間潛在語義信息,并且沒有考慮潛在主題間的判別性信息。因此,設(shè)計了一種基于多尺度空間判別性pLSA的圖像分類方法。首先利用空間金字塔思想對圖像進行多尺度劃分并結(jié)合pLSA獲得每個局部區(qū)域潛在語義信息;之后再結(jié)合提出的權(quán)值學(xué)習(xí)方法來學(xué)習(xí)不同圖像主題間的判別信息;最后結(jié)合支持向量機(Support Vector Machi

3、ne,SVM)實現(xiàn)分類。實驗表明了空間語義信息和判別性信息在圖像分類中的重要性,驗證了其有效性和魯棒性。
　　(3)針對傳統(tǒng)潛在語義分析方法中的共生矩陣具有較大的量化誤差,且此方法無法獲得圖像空間語義信息。設(shè)計出了一種稀疏編碼多尺度空間潛在語義分析的圖像分類方法。通過對圖像多尺度劃分得到的局部區(qū)域利用稀疏編碼方法進行特征統(tǒng)計,并利用pLSA模型挖掘出局部區(qū)域中的潛在語義信息。然后聯(lián)合所有局部區(qū)域潛在語義信息并結(jié)合SVM實現(xiàn)分類。實