基于“詞袋”模型的圖像分類系統(tǒng).pdf

1、作為圖像檢索、圖像識別、圖像過濾等方法的關(guān)鍵技術(shù)，基于內(nèi)容的圖像分類技術(shù)已成為模式識別領(lǐng)域中的一個重要研究方向，它的目的是將圖像數(shù)據(jù)按照自身的語義特征進行分類，“詞袋”模型在基于內(nèi)容的圖像分類領(lǐng)域中取得了很大的成功，因此越來越受到大家的重視。但是，在構(gòu)建視覺詞匯表的過程中，當前的很多方法只是簡單的將底層特征進行聚類，并沒有考慮圖像區(qū)域之間的空間關(guān)系，這導致了詞匯表不夠準確和穩(wěn)定。本論文引入和改進了幾種能夠結(jié)合空間信息的算法，用于構(gòu)建視覺

2、詞匯表。本文的主要貢獻在以下幾點：
　　 首先，提出了一種演化SOM-SD算法對傳統(tǒng)的SOM-SD的神經(jīng)網(wǎng)絡(luò)算法進行加速并用來進行圖像分類。傳統(tǒng)的SOM-SD算法的最大優(yōu)點是它能夠有效處理結(jié)構(gòu)數(shù)據(jù)，區(qū)分相似度較高的對象。但是，由于引入了空間信息，SOM-SD計算量非常大，影響了其在大規(guī)模圖像庫上的應(yīng)用。在保留SOM-SD處理結(jié)構(gòu)數(shù)據(jù)能力的前提下，本文利用分層演化思想提高計算效率。實驗證明：演化SOM-SD算法在圖像分類性能上比沒