基于子空間相似度和四元數(shù)的場(chǎng)景圖像分類方法研究.pdf

1、場(chǎng)景圖像分類在圖像檢索和視頻檢索領(lǐng)域得到廣泛的應(yīng)用，已成為計(jì)算機(jī)視覺領(lǐng)域的一個(gè)研究熱點(diǎn)。場(chǎng)景圖像分類的主要難點(diǎn)問題是低層視覺特征與高層語義之間存在―語義鴻溝‖。近年來，基于視覺詞包（BOW）模型的圖像中層表示方法很好的解決了該問題，得到廣泛的關(guān)注。本文主要圍繞場(chǎng)景圖像的低層視覺特征提取算法，以及中層表示方法進(jìn)行了研究。具體研究?jī)?nèi)容如下：
　　首先，為了提取具有更多空間上下文信息的圖像特征，提出一種結(jié)合HOG算法和Gabor算法的改

2、進(jìn)的Gabor特征方向直方圖局部特征提取算法。HOG算法采用密集的網(wǎng)格和相互重疊的局部區(qū)域塊提取圖像特征，增加了相鄰區(qū)域間的相關(guān)性，使特征包含更多的上下文信息，且具有良好的局部不變性。但HOG算法只能提取水平方向和垂直方向的梯度特征，而 Gabor算法可以提取多方向和多尺度的Gabor特征，所以本文基于HOG特征的提取過程，結(jié)合Gabor算法提取圖像多方向和多尺度的Gabor特征。最后，采用BOW模型對(duì)場(chǎng)景圖像進(jìn)行分類，分類結(jié)果不僅證明

3、改進(jìn)后的特征提取算法比改進(jìn)前有更好的分類效果，同時(shí)也證明了BOW模型不能有效區(qū)分不同場(chǎng)景中存在相同對(duì)象的圖像。
　　其次，為了能更好的區(qū)分不同場(chǎng)景中存在相同對(duì)象的圖像，本文構(gòu)建了基于子空間相似度算法的場(chǎng)景圖像分類模型。該算法首先分別對(duì)每一類圖像建立視覺詞典，這樣得到的視覺詞典中暗含了類別標(biāo)簽，有利于區(qū)分不同場(chǎng)景中相同對(duì)象的差異。然后，對(duì)每類視覺詞典應(yīng)用核主成分分析（KPCA）算法構(gòu)建最能表征該類視覺詞典的子空間，同時(shí)利用 KPCA

4、算法的核函數(shù)來度量輸入特征與每一類子空間的相似度，使用輸入圖像到子空間軸的平均投影長(zhǎng)度作為圖像的中層表示特征對(duì)圖像進(jìn)行分類。本文通過一系列比較實(shí)驗(yàn)驗(yàn)證了子空間相似度算法的分類效果，同時(shí)分類結(jié)果體現(xiàn)了彩色信息對(duì)于自然場(chǎng)景圖像分類的重要性。
　　最后，為了進(jìn)一步提高場(chǎng)景圖像的分類精度，本文引入彩色特征，并且使用四元數(shù)奇異值分解（QSVD）算法來提取圖像的彩色特征。本文用四元數(shù)矩陣表示一幅彩色圖像，然后對(duì)圖像的四元數(shù)矩陣進(jìn)行奇異值分解，