基于詞袋模型的圖像分類算法研究.pdf

1、隨著互聯(lián)網(wǎng)的高速發(fā)展，數(shù)字圖像大量地出現(xiàn)在人們的生活中，其數(shù)量和類別都發(fā)生了大規(guī)模地增長。圖像分類能夠幫助人們有效地組織和管理圖像，這種技術得到了越來越多的重視。在各種圖像分類方法中，詞袋模型作為一種基于局部特征的圖像分類方法取得了很好的分類性能，因此得到了廣泛的研究和應用。
　　詞袋模型的一個重要的研究內(nèi)容是如何創(chuàng)建和優(yōu)化視覺詞典（視覺單詞集），以便更有效的表示圖像并提高算法的分類性能。其另一個重要研究內(nèi)容是如何利用遷移學習提高

2、算法在新圖像類別中的分類性能。詞袋模型的遷移學習不僅能避免在每一類新圖像中詞袋模型都需要重新學習的問題，還能適用于僅有少量樣本的圖像分類任務。
　　本文以創(chuàng)建適合遷移學習的視覺詞典為目標，研究視覺詞典優(yōu)化和改進方法，提出用局部空間信息將多個視覺單詞進行組合構(gòu)成視覺短語。這種視覺短語能更有效地挖掘和表示不同圖像之間的共同特征，消除視覺單詞的“語義歧義性”，并能遷移到新類別圖像的視覺詞典中。本文的研究內(nèi)容分為兩大部分:第一，研究如何獲

3、得有效并有判別力的視覺單詞和包含空間信息的視覺短語，為圖像分類提供必要的信息（特征的表面信息和空間信息）;第二，在新類別的圖像學習中，尤其是僅有少量圖像樣本時，研究如何利用已學好的圖像類別知識，通過遷移視覺短語加快新類別圖像的學習并提高分類性能。圍繞上述內(nèi)容，本文的主要研究工作和創(chuàng)新性體現(xiàn)在以下三個方面:
　　第一，提出一種加權(quán)的最小冗余最大相關(Weighted minimal-redundancy-maximal-releva

4、nce，WMR-MR)準則。WMR-MR準則從信息論的角度出發(fā)，根據(jù)視覺單詞與圖像類別之間、視覺單詞與視覺單詞的相關性，綜合評估視覺詞典在分類過程中的相關性和冗余性。通過刪除視覺詞典中與類別相關性弱且與詞典內(nèi)其他單詞具有冗余性的單詞，優(yōu)化視覺詞典，既保留了富有判別力的視覺單詞，又縮減視覺詞典的規(guī)模。利用該準則可以用相對小規(guī)模的視覺詞典完成對圖像集的描述，并保持算法的分類性能，解決了視覺詞典規(guī)模過大帶來的計算復雜性高、單詞之間存在冗余的問

5、題。而且這種小規(guī)模的視覺詞典為創(chuàng)建視覺短語，以及視覺短語的遷移學習建立了基礎。
　　第二，提出一種創(chuàng)建包含局部空間信息的視覺短語的方法。在提取圖像局部特征的同時獲取局部特征的空間位置信息，并依據(jù)局部特征之間的穩(wěn)定的鄰近關系建立視覺短語，獲得能夠表示局部空間信息的視覺短語模型。與全局空間信息相比，本文的包含局部空間信息的視覺短語能夠更靈活地處理圖像類內(nèi)的變化，有較強的魯棒性。而且，視覺短語有助于消除獨立使用其中任一單詞可能帶來的歧義

6、性，增強對圖像描述的可靠性。描述圖像局部特征表面信息的視覺單詞和描述圖像局部空間信息的視覺短語，共同構(gòu)成圖像分類任務的兩條線索。由于不同類別圖像的空間結(jié)構(gòu)性不同，該算法可以通過設定權(quán)值對兩條線索進行權(quán)衡，使之能夠適用于不同類別圖像的分類任務中。
　　第三，提出一種基于視覺短語的遷移學習算法。提出采用視覺短語來描述不同類別圖像之間的共同特征，充分利用已有的知識幫助新類別圖像的學習。實驗證明，與直接遷移視覺單詞相比，遷移視覺短語能更有