基于LDA主題模型的圖像場(chǎng)景分類研究.pdf

1、圖像分類作為計(jì)算機(jī)視覺領(lǐng)域研究的方向之一，是其他圖像應(yīng)用領(lǐng)域的基礎(chǔ)。此類問題的一個(gè)重要解決途徑就是圖像場(chǎng)景分類技術(shù)。本文主要針對(duì)現(xiàn)有的基于LDA主題模型圖像場(chǎng)景分類技術(shù)中存在的一些問題，提出新的改進(jìn)的方法，以提高LDA主題模型對(duì)圖像場(chǎng)景分類的準(zhǔn)確率和執(zhí)行效率。
　　潛在狄利克雷分布(Latent Dirichlet Allocation，LDA)主題模型是當(dāng)前廣泛使用的一種圖像處理方法，它將圖像的底層局部特征抽象成為視覺單詞，生成

2、視覺詞典，統(tǒng)計(jì)視覺單詞出現(xiàn)的頻率進(jìn)而建立中層語義表示模型，對(duì)圖像進(jìn)行表示。之后通過分類器自動(dòng)標(biāo)記圖像場(chǎng)景標(biāo)簽，實(shí)現(xiàn)圖像的自動(dòng)分類。
　　針對(duì)傳統(tǒng)模型在進(jìn)行圖像場(chǎng)景識(shí)別時(shí)存在的問題，本文進(jìn)行了如下研究:
　　1.針對(duì)傳統(tǒng)模型在進(jìn)行圖像場(chǎng)景識(shí)別時(shí)使用的聚類方法效率較低的問題，采用K-Means++聚類算法生成視覺單詞。
　　2.傳統(tǒng)方法表示圖像時(shí)未考慮單詞的權(quán)重問題，使得學(xué)習(xí)得到的主題分布傾向高頻詞，針對(duì)視覺單詞出現(xiàn)的冪律

3、分布問題，本文使用加權(quán)統(tǒng)計(jì)直方圖進(jìn)行圖像表示。
　　3.在進(jìn)行圖像場(chǎng)景識(shí)別時(shí)不能有效利用圖像主要特征的問題，引入特征函數(shù)，在圖像場(chǎng)景識(shí)別模型的方法中加強(qiáng)重要特征在分類識(shí)別中的作用，提出有特征函數(shù)的潛在狄利克雷分布(Featured Latent Dirichlet Allocation，F(xiàn)LDA)主題模型，提高圖像場(chǎng)景的分類和識(shí)別效率。
　　4.LDA模型中的參數(shù)很難直接估計(jì)，針對(duì)這個(gè)問題，提出了一種改進(jìn)的變分推理方法，即快