基于空間結(jié)構(gòu)與量化關(guān)系的優(yōu)化視覺詞袋模型研究.pdf

1、隨著互聯(lián)網(wǎng)的飛速發(fā)展，圖像數(shù)量呈爆炸式增長(zhǎng)。針對(duì)海量圖像進(jìn)行分類和管理已經(jīng)成為新的研究熱點(diǎn)，其目標(biāo)是將特定的圖像歸類到某一特定的語義類別之中。近年來，視覺詞袋模型因其簡(jiǎn)單高效的特點(diǎn)，在圖像分類領(lǐng)域取得了很多的成果。但是它仍然存在一些問題，主要存在于圖像視覺單詞特征的構(gòu)建以及圖像局部區(qū)域的空間位置關(guān)系等關(guān)鍵部分之中。
　　本文對(duì)基于視覺詞袋模型的圖像分類方法展開了深入的研究，針對(duì)視覺詞袋模型的關(guān)鍵步驟進(jìn)行了改進(jìn)，提高了圖像分類準(zhǔn)確率

2、。全文主要的研究?jī)?nèi)容如下:
　　1.闡述了圖像分類技術(shù)的研究背景和現(xiàn)狀。針對(duì)視覺詞袋模型及其在圖像分類領(lǐng)域的應(yīng)用進(jìn)行了深入的分析研究，包括其中的重要理論與關(guān)鍵技術(shù)。詳細(xì)描述了圖像特征提取、視覺詞典構(gòu)建與特征編碼以及分類器算法，闡述了若干經(jīng)典算法的基本原理，并分析了這些算法的特點(diǎn)。
　　2.傳統(tǒng)的視覺詞袋模型無法區(qū)分圖像前景和背景，忽視了圖像特征之間的關(guān)系。另外通常采用無監(jiān)督的聚類算法生成視覺單詞，并且使用硬分配方式進(jìn)行特征編

3、碼，難以將局部特征與具體的語義內(nèi)容相關(guān)聯(lián)，存在量化誤差。本文結(jié)合圖像感興趣區(qū)域和特征量化編碼，提出一種優(yōu)化的視覺詞袋模型圖像分類方法。算法首先基于網(wǎng)格的分塊策略將圖像分割成塊，采用Shi-Tomasi角點(diǎn)檢測(cè)和顯著性區(qū)域提取方法，得到圖像的感興趣區(qū)域。接下來，在圖像感興趣區(qū)域上提取SIFT特征，能夠消除圖像復(fù)雜背景的干擾。在圖像局部特征量化編碼階段，采用軟分配策略進(jìn)行特征編碼并結(jié)合卡方擬合檢驗(yàn)方法進(jìn)行特征二次選擇。實(shí)驗(yàn)結(jié)果表明，本文算法

4、取得了良好的分類效果。
　　3.在傳統(tǒng)視覺詞袋模型中，采用視覺單詞的統(tǒng)計(jì)特征來表示圖像內(nèi)容，忽略了視覺單詞之間的空間信息，導(dǎo)致圖像特征表示的表達(dá)能力和區(qū)分性不足。本文采用視覺單詞全局拓?fù)浣Y(jié)構(gòu)策略和Delaunay三角剖分方法，提出了一種改進(jìn)的視覺詞袋模型圖像分類方法。首先，在圖像的顯著性區(qū)域上提取特征并構(gòu)建視覺詞典，在一定程度上避免復(fù)雜背景信息的干擾。其次，通過全局拓?fù)浣Y(jié)構(gòu)約束和Delaunay三角剖分，融入視覺單詞的全局與局部空