面向圖像語義描述的場景分類研究.pdf

1、如何讓計算機按照人類理解的方式對海量圖像數(shù)據(jù)進行高效地分類與管理，成為了圖像理解領域中一個亟待解決的問題。場景分析與理解為圖像的語義分類提供了可能，場景分類被明確認定為是圖像語義分類中的一個關鍵課題。本文主要成果有:
　　(1)提出一種基于局部熵加權特征融合的場景分類方法。鑒于不同的特征描述子適合描述不同類型的場景圖像，本文針對兩種局部特征描述子進行特征融合以增加場景圖像特征描述的區(qū)分力。首先，通過計算圖像的局部熵定量分析場景圖像

2、的復雜度，據(jù)此定義平坦度，并通過疊加場景類內每幅圖像的平坦度獲得該場景類的平坦度;其次，提取兩種分別適用于描述區(qū)域平滑和區(qū)域變化的局部特征描述子，并分別進行圖像直方圖描述;然后，利用場景類圖像的平坦度計算兩種局部特征的權系數(shù)，并對兩種基于獨立的局部描述子形成的圖像直方圖描述加權融合，獲得場景類圖像的最佳描述;最后訓練概率生成模型，完成場景分類任務。實驗結果表明，該方法對于不同類型的圖像特征描述具有一定的普適性。
　　(2)提出一種

3、基于超像素網(wǎng)格空間金字塔圖像描述的場景分類方法。鑒于傳統(tǒng)的詞包模型圖像描述方法忽略空間信息的缺點，本文采用上下文特征和空間金字塔圖像描述來加入圖像的空間信息。首先，構建多尺度上下文特征使其能夠保證特征描述時加入局部空間結構信息;其次，對圖像進行超像素網(wǎng)格分塊，網(wǎng)格的分辨率由金字塔層數(shù)決定;然后，對各層次上超像素網(wǎng)格分塊得到的各個圖像子塊依據(jù)視覺詞典生成圖像直方圖描述，并按照一定的權重組合在一起形成整幅圖像的直方圖描述;最后，訓練分類器，

4、完成場景分類任務。本文采用的超像素網(wǎng)格分塊，避免了圖像中對象的強制分割，從而保證了子區(qū)域內對象語義的一致性。實驗結果驗證了場景分類過程中上下文信息和超像素網(wǎng)格分塊的優(yōu)越性。
　　(3)提出一種基于局部約束線性編碼特征映射方式的場景分類方法。提取圖像的視覺特征并聚類生成視覺碼本以后，依據(jù)碼本進行視覺特征映射形成圖像描述。本文提出一種基于最大求和合并法的局部約束線性編碼方式特征映射方法，將前t個概率最大的碼字進行線性加權取平均作為特征