基于詞袋模型的視覺詞典構建.pdf

1、隨著互聯(lián)網(wǎng)的高速發(fā)展及廣泛應用，數(shù)字圖像大量地出現(xiàn)在人們的生活中。面對海量的圖像資源，如何準確、高效地實現(xiàn)圖像的分類、檢索、標注等各項工作，已經(jīng)成為當前智能信息處理研究的熱點。詞袋模型是分類算法中應用比較廣泛中的一種，并在圖像分類中表現(xiàn)出優(yōu)良的性能，所以獲得了廣泛的研究與應用。視覺詞典是詞袋模型的基礎，構建更具有描述性的視覺詞典不僅能提高圖像的分類準確度，還能減少算法計算時間。如何獲得更具有代表性的視覺詞典，以便更好地對圖像進行描述已經(jīng)

2、成為提高分類準確度一個關鍵的步驟。本文以構建具有較高辨識度的視覺詞典為目標，研究視覺詞典的優(yōu)化方法，將優(yōu)化的視覺詞典應用到圖像分類中，以提高圖像分類的準確度。圍繞上述內容，本文研究內容主要體現(xiàn)在如下兩個方面:
　　第一，在傳統(tǒng)詞袋模型和現(xiàn)有香農熵的基礎上，首先對兩者存在的問題進行分析;然后針對存在的問題對其進行改進，以便篩選出辨識度高的視覺詞典。首先將訓練集按類別聚類;然后利用改進的香農熵計算每個類中每個視覺單詞的香農熵值，刪除香

3、農熵值大的視覺單詞，也就是每個類中辨識度低的視覺單詞;最后將優(yōu)化后的每個類的視覺詞典放到一起得到優(yōu)化后的詞典。實驗結果表明，新方法可以選擇出更具有代表性的單詞，提高分類結果。
　　第二，分析了傳統(tǒng)互信息進行單詞選擇過程中存在的問題，對傳統(tǒng)的互信息進行了改進，并將其應用到視覺單詞選擇中，篩選出辨識度高的視覺單詞。該方法對互信息進行單詞選擇的影響因素和不足進行了綜合分析，更有利于選取就有代表性的視覺單詞。
　　本文針對傳統(tǒng)詞袋模