论文部分内容阅读
随着互联网技术以及数字图像信息技术的飞速发展,图像信息的运用、获取、传送和交换显得越来越方便,互联网中以及人类的生活中无时无刻都会出现大规模的数字图像。而依靠人工标注的手段对图像进行分类和管理不仅耗时又费力。因此基于图像语义信息的图像分类技术逐渐成为人们的重点研究话题。图像分类技术应用范围非常广阔,比如:图像内容检索、旅游导航、医学图像等应用。图像分类的难点在于如何采用高效的方法来提取和匹配图像的特征,由于传统的图像分类算法大部分是先将彩色图像转化为灰度图像,然后采用SIFT算法提取图像的局部特征进行分类,这种方法忽略了图像的颜色信息。本文提出了基于CSIFT算法的特征金字塔树(vocabulary-guided pyramid match kernel,VGPM)的图像分类的改进算法。首先采用CSIFT算法(Colored Scale Invariant Feature Transform)来提取图像的颜色特征,建立图像的特征描述符,然后根据VGPM的原理对得到的特征向量构建特征金字塔树,利用VGPM方法融入局部特征之间的空间关系,最后运用线性SVM进行分类。实验结果分析得到,该算法分类性能良好。在分析和研究CSIFT算法的基础上,针对CSIFT算法所提取的特征具有稀疏性这一特性,本文提出了基于CSIFT特征的稀疏编码空间金字塔匹配分类算法。首先对CSIFT局部特征进行稀疏编码表示,重构稀疏矩阵,然后构建线性空间金字塔匹配核,通过空间金字塔的特性,将不同尺度下的系数重建系数映射到同一块区域产生图像的高维稀疏向量表示,最后运用线性SVM进行分类。从实验结果中可以证明,与传统的非线性核分类器作比较,该图像分类算法在分类准确率和效率上都得到了提升。