论文部分内容阅读
随着互联网和多媒体技术的飞速发展,数字图像、视频等多媒体信息的数量呈爆炸式增长。为了准确、高效地组织、管理和检索图像,需要计算机准确地理解图像内容。图像分类是解决图像理解问题的重要途径,对多媒体检索技术的发展有重要的推动作用。目前,视觉词袋模型(Bag of Visual Words, BoVW)和支持向量机(Support Vector Machine, SVM)已成为图像分类领域的主流技术。论文主要研究基于视觉词袋模型的图像分类技术,针对视觉词袋模型中存在的问题,提出了相应的解决方法。论文的主要研究成果为以下三个方面:(1)针对视觉单词的同义性与歧义性问题,将位置敏感哈希引入到高维向量聚类,提出了一种随机化集成视觉词典模型。该模型首先以精确欧式位置敏感哈希(ExactEuclidean Locality Sensitive Hashing, E2LSH)替代传统的K-Means聚类算法,对SIFT特征进行聚类,生成随机化视觉词典,减弱了视觉单词的同义性和歧义性;然后,考虑到E2LSH聚类存在的随机性,采用聚类集成方法对多个随机化视觉词典进行集成得到最终的随机化集成视觉词典。实验结果表明,该模型提高了视觉词典的生成效率,大幅度降低了视觉单词的同义性和歧义性,增强了视觉词典的区分能力和表达能力。(2)针对视觉词汇特征中空间信息缺失的问题,提出了一种基于空间金字塔共生矩阵的图像分类方法。该方法首先借鉴空间金字塔匹配的思想将图像分解为多组图像块,刻画视觉单词的绝对位置信息;其次,对每个图像块,计算对应的视觉单词共生矩阵,有效地刻画了视觉单词间的局部相对位置信息;然后,将所有图像块的视觉单词共生矩阵作为视觉单词空间信息的有效表达,并且与视觉词汇直方图相结合,作为图像的视觉词汇特征;最后,根据得到的视觉词汇特征,利用SVM进行图像分类。实验结果表明,该方法成功地将视觉单词的绝对位置信息和视觉单词间的局部相对位置信息引入到了视觉词汇特征中,有效地提高了图像分类准确率。(3)针对视觉单词间语义相关性的度量问题,提出了一种基于空间上下文近义词软分配的图像分类方法。该方法首先利用视觉单词的空间上下文信息表征视觉单词的语义含义,将视觉单词间的空间上下文相似性作为视觉单词间同义性的度量;其次,根据视觉单词间同义性的大小,生成一个空间上下文近义词表;然后,采用软分配方法将SIFT特征分配给多个空间上下文近义词,构建图像的视觉词汇直方图特征;最后,根据得到的视觉词汇直方图特征,利用SVM进行图像分类。实验结果表明,该方法有效地克服了传统软分配方法的缺点,提高了图像分类的准确率。