基于中層特征表示的圖像分類研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展，網(wǎng)絡(luò)中積累了大量的數(shù)字圖像和視頻數(shù)據(jù)，這些數(shù)據(jù)為人們的使用帶來(lái)了新的技術(shù)挑戰(zhàn)。為此，許多專家學(xué)者對(duì)圖像分類、圖像檢索、目標(biāo)識(shí)別等領(lǐng)域進(jìn)行了相關(guān)研究，而圖像特征提取是這些研究的基礎(chǔ)工作。圖像特征提取是將圖像映射到特征集合的過(guò)程，針對(duì)圖像特征提取，目前已經(jīng)提出了許多優(yōu)秀的算法，這些算法可以根據(jù)語(yǔ)義表達(dá)能力的不同進(jìn)行分類。其中，基于中層語(yǔ)義的特征表示因其性能較好而成為人們關(guān)注的研究對(duì)象。
　　本文對(duì)典型的底層特

2、征表示和中層特征表示進(jìn)行了分析和改進(jìn)，并通過(guò)圖像分類實(shí)驗(yàn)對(duì)性能進(jìn)行了驗(yàn)證，具體工作如下：第一，提出了一種基于詞袋模型(BoW)的圖像空間語(yǔ)義中層特征方法。由于BoW及其改進(jìn)方法假設(shè)視覺(jué)詞間相互獨(dú)立，而這種假設(shè)忽視了視覺(jué)詞間的關(guān)聯(lián)性，所以本文提出了結(jié)合空間語(yǔ)義信息的圖像特征表示方法。該方法通過(guò)計(jì)算圖像中視覺(jué)詞間的分布距離提取相似的視覺(jué)詞，組成視覺(jué)短語(yǔ)，融入圖像的全局空間信息;同時(shí)，在這些視覺(jué)短語(yǔ)中提取具有語(yǔ)義代表性的視覺(jué)短語(yǔ)，建立短語(yǔ)詞典

3、來(lái)加入圖像的語(yǔ)義信息。結(jié)合視覺(jué)詞間的這兩種信息，構(gòu)成新的圖像空間語(yǔ)義特征。在UIUC-Sports8圖像庫(kù)和Scene-15圖像庫(kù)進(jìn)行圖像分類實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明這種結(jié)合空間語(yǔ)義信息的特征具有更好的分類準(zhǔn)確率。第二，對(duì)局部二值模式(LBP)進(jìn)行改進(jìn)：提出了一種基于LBP的紋理短語(yǔ)特征方法；提出了一種基于BoWL的圖像空間語(yǔ)義特征方法。實(shí)驗(yàn)表明，這兩種方法都取得了較好的圖像分類效果。最后，針對(duì)當(dāng)前網(wǎng)絡(luò)圖像特征方法的實(shí)際情況，以及LBP的簡(jiǎn)單