论文部分内容阅读
随着经济的迅速发展,人们的生活方式发生了改变,节假日旅游热的现象已经很普遍。同时,由于智能手机的功能日益增强,在旅游过程中除用于导航、拍照之外,还可以用于记录旅程,留下美好记忆。比如:在路上和面包旅行这类应用可以通过照片和文字生动地记录下每一段旅途。通常情况下,游客在旅途中一般会忙于欣赏美景和拍照,因此照片的分类和整理成为一项非常耗时的工作。本文围绕旅游照片自动分类开展研究,目的是对用户在旅行途中拍下照片进行自动分类,并将分类的结果作为关键字来对照片进行描述和管理。本论文完成的主要工作包括:(1)研究了基于低层特征的室内室外图像分类算法。根据旅游’图像中室内室外图片的不同,选择基于颜色直方图和颜色矩的颜色特征、基于高斯核函数的边缘特征、一维边缘垂直度特征和基于小波系数的纹理特征等几类低层特征来实现室内外图像的分类。在IITM-SCID2数据集上的测试结果表明:基于本文提出的低层特征的分类准确率比基于PNN的室内室外分类算法有一定的提高。(2)研究基于中层语义特征的室外图像分类算法。本文在传统词袋模型基础上,引入稀疏编码模型和空间金字塔模型,并加入TF-IDF算法,使得图像分类准确率有所提升。在Scene-15图像库和自建数据库上的分类测试结果表明,本文提出的算法分类准确率比基于ScSPM的词袋模型提高了1.2%。(3)搭建了面向旅游图像分类应用的原型系统。该系统采用C/S架构,Android手机拍摄的图像上传服务器后,服务器采用本文提出的算法进行识别,并将识别结果返回智能手机,用于图像的自动标注和管理。