基于LDA主題模型的圖像場(chǎng)景分類.pdf

1、隨著計(jì)算機(jī)通信技術(shù)和多媒體技術(shù)的迅猛發(fā)展，信息越來越多地以數(shù)字圖像的形式存儲(chǔ)與傳遞。圖像場(chǎng)景分類有助于圖像內(nèi)容的理解與分析，方便數(shù)據(jù)庫(kù)的組織與檢索。傳統(tǒng)技術(shù)主要通過提取圖像的全局或區(qū)域的底層特征，并結(jié)合有監(jiān)督的機(jī)器學(xué)習(xí)方法來對(duì)圖像場(chǎng)景進(jìn)行分類。這樣計(jì)算相對(duì)簡(jiǎn)單，但沒有利用圖像中的語義信息，對(duì)有高級(jí)語義的場(chǎng)景分類效果相對(duì)較差。主題生成模型能通過學(xué)習(xí)建模與概率推導(dǎo)發(fā)現(xiàn)圖像中隱含的中間語義分布情況，近年來受到了大量的關(guān)注。隱狄利克雷分配(La

2、tent Dirichlet Allocation, LDA)模型就是主題模型中的代表，其利用多層次貝葉斯網(wǎng)絡(luò)以多個(gè)主題的概率混合表示圖像。
　　本文將LDA模型用于圖像場(chǎng)景分類上，重點(diǎn)研究中間語義特征的提取與選擇，主要內(nèi)容如下：⑴分別從提取描述特征和構(gòu)造分類器兩大方面，簡(jiǎn)要分析了圖像場(chǎng)景分類的研究現(xiàn)狀；著重介紹了LDA模型的構(gòu)成和參數(shù)推導(dǎo)方法。⑵搭建了基于LDA模型的場(chǎng)景分類的基本框架；針對(duì)其中的中間語義基礎(chǔ)視覺詞典，結(jié)合已有的

3、SIFT(Scale Invariant Feature Transform)、LBP(Local Binary Pattern)幾種局部特征描述及空間金字塔組合，研究分析了不同特征對(duì)于使用LDA模型進(jìn)行場(chǎng)景分類時(shí)的效果，實(shí)驗(yàn)結(jié)果表明LDA模型相比于直接使用詞袋特征或pLSA(Probabilistic Latent Semantic Analysis)模型更有利于進(jìn)行場(chǎng)景分類，對(duì)不同大小和類型的數(shù)據(jù)要選擇合適的詞典、主題數(shù)大小和特征描