室内场景分类作为场景分类的延伸,在图像/视频检索、移动服务机器人等领域都有广泛的应用,因此逐渐成为计算机视觉领域的研究热点。由于室内场景图像存在非感兴趣区域(ROI,region of interest)信息干扰,场景多尺度/视角变化,类间相似性较大等问题,使得室内场景分类相较于一般场景分类任务具有更大挑战。论文在总结现有场景分类方法的基础上,分析了其局限性。在预处理上,无法有效避免无关信息干扰;在特征提取层面上,不能适应室内场景图像的多尺度/视角变化;在分类层面上,忽略了室内场景的类间相似性。针对上述问题,论文分别从图像预处理、特征提取和分类三个方面展开研究。论文主要研究工作如下:在图像预处理层面上,论文采用基于视觉注意机制的感兴趣区域提取方法对室内场景图像进行预处理。通过经典Itti模型获取室内场景图像的特征图,并引入自顶向下(top-down)视觉注意机制,对特征图进行基于先验知识的规则融合,得到多个不同注意值的特征显著图。选择具有最大注意值的显著图作为室内场景图像的ROI图。经过ROI预处理后的室内场景图像,能有效排除非ROI信息干扰,减小计算量,提升分类结果。在特征提取层面上,论文研究了一种基于卷积稀疏自编码机(convolutional sparse auto-encoder,CSAE)的室内场景特征提取方法。对ROI图随机取块训练单层SAE网络确定其参数,选择网络输入层到隐藏层的连接权重作为CNN的卷积核。通过卷积获得室内场景图像的充分有效特征,进一步对特征进行均值池化,降低特征维度。区别于现有特征提取方法,该方法不依赖先验知识和人工标注,所学特征对输入图像的位移变化具有不变性,能解决室内场景图像的多尺度/视角变化问题。在特征分类层面上,论文研究了一种基于字典学习的分类方法。对CSAE提取到的特征进行字典学习,获得表示不同类样本相似部分的公共字典0D和表示每类样本特有部分的子类字典iD,并在字典学习过程中引入类内散度约束,增强所学字典的判别能力。为验证所提方法的有效性,论文基于相关数据库展开了验证实验,实验结果表明,文中所提方法能够有效解决室内场景分类的无关信息干扰、多尺度/视角变化、类间相似性较大等问题,分类正确率高于现有的室内场景分类方法。