基于空間金字塔模型的圖像分類方法研究.pdf

1、圖像分類技術(shù)是計算機(jī)視覺領(lǐng)域中的一個重要研究方向,它的目的在于根據(jù)某些特征和需求對圖像進(jìn)行分類。較經(jīng)典的分類模型主要包括BOF模型和SPM模型,其中,SPM模型在圖像分類領(lǐng)域越來越受到關(guān)注,它考慮了視覺單詞之間的空間關(guān)系,避免了BOF模型在分類過程中造成的一些有用的圖像空間結(jié)構(gòu)信息的丟失,減少了圖像信息的損失,帶來了高效的分類性能。
　　本論文基于SPM模型的基本框架來研究圖像分類問題,主要圍繞集成學(xué)習(xí)思想和特征融合技術(shù),通過改進(jìn)

2、空間視覺詞典的構(gòu)建方式,進(jìn)一步對生成的圖像描述采用不同的處理方法,對圖像分類展開了研究。
　　鑒于集成學(xué)習(xí)方法的優(yōu)越性,提出了一種集成多特征與稀疏編碼的圖像分類方法,結(jié)合多種可用于提高圖像分類性能的方法來分類圖像。該方法首先對圖像進(jìn)行空間金字塔劃分,結(jié)合SIFT和HOG特征之間的優(yōu)勢互補(bǔ)性,提取得到不同的特征集。然后,在不同的特征集上用不同的聚類方法得到不同的視覺詞典,在每個詞典上分別進(jìn)行LLC和SC編碼,得到不同的圖像描述集。最

3、后對得到的多個結(jié)果采用投票決策方法決定最終的分類情況。
　　為了挖掘空間視覺詞典在對圖像表述上的潛力,本文進(jìn)行了兩個方面的研究:多級空間視覺詞典集體的方法和構(gòu)建強(qiáng)判別力的空間視覺詞典的方法。前者,提出了一種多級空間視覺詞典集體的構(gòu)造方法,構(gòu)造不同層級上的視覺詞典,從全局視覺詞典一直到劃分比較細(xì)的子空間視覺詞典,從而可以綜合不同層級或不同粒度的圖像信息進(jìn)行分類。圖像各子區(qū)域內(nèi)的特征基于其對應(yīng)的空間視覺詞典進(jìn)行LLC稀疏編碼,根據(jù)各層