基于BOW和視覺(jué)注意模型的圖像分類(lèi)及其應(yīng)用研究.pdf

1、在大數(shù)據(jù)時(shí)代，人們不再被從何獲取資訊所困擾，而是為信息的爆炸性增長(zhǎng)感到煩惱。如何從這些數(shù)據(jù)中挖掘出有價(jià)值的、用戶(hù)感興趣的信息，是大數(shù)據(jù)時(shí)代人們討論的焦點(diǎn)。在每日劇增的數(shù)據(jù)中，圖像數(shù)據(jù)占據(jù)了相當(dāng)大的一部分。圖像數(shù)據(jù)往往比文本含有更多的內(nèi)容，并且更容易受到人們的關(guān)注，更易理解。因此大規(guī)模圖像處理具有重要的研究意義。大規(guī)模圖像處理主要包括圖像分類(lèi)、圖像檢索、目標(biāo)檢測(cè)等幾個(gè)研究方向，這幾個(gè)研究方向既有所區(qū)別又相互關(guān)聯(lián)。圖像分類(lèi)作為計(jì)算機(jī)視覺(jué)領(lǐng)域

2、中的一個(gè)基礎(chǔ)問(wèn)題，具有廣闊的應(yīng)用價(jià)值，可以應(yīng)用于目標(biāo)檢測(cè)、圖像自動(dòng)標(biāo)記及圖像檢索等各種領(lǐng)域?？梢灶A(yù)見(jiàn)，在技術(shù)的不斷發(fā)展下，未來(lái)大規(guī)模圖像分類(lèi)將應(yīng)用于各個(gè)領(lǐng)域，改變?nèi)藗兊纳?，具有重要的研究?jī)r(jià)值和商業(yè)價(jià)值。
　　然而，由于a）拍照時(shí)光照、尺度、視角等的變化;b）物體自身屬性的變化;c)不同類(lèi)圖像外觀(guān)很相似等問(wèn)題，人們無(wú)法簡(jiǎn)單地從像素角度區(qū)別不同類(lèi)別的圖像，而通常需要把圖像表示成特征向量再進(jìn)行分類(lèi)。近年來(lái)，針對(duì)基于內(nèi)容的圖像分類(lèi)問(wèn)題，

3、人們提出了各種模型，其中BOW模型將圖像表示成無(wú)序的視覺(jué)單詞集合，具有簡(jiǎn)單高效的特點(diǎn)，在圖像分類(lèi)這一問(wèn)題上取得了非常不錯(cuò)的效果。但是由于大部分基于BOW模型的圖像分類(lèi)算法統(tǒng)計(jì)的是整幅圖像的特征頻率，而沒(méi)有對(duì)特征來(lái)自前景或是背景進(jìn)行區(qū)分，導(dǎo)致背景部分提取到的特征為圖像分類(lèi)帶來(lái)很多的干擾，因此考慮利用視覺(jué)注意模型區(qū)分前景特征和背景特征，提高分類(lèi)效果。綜上，研究基于BOW和視覺(jué)注意模型的圖像分類(lèi)方法具有重要的意義。
　　本文首先對(duì)圖像分

4、類(lèi)算法進(jìn)行了改進(jìn)，利用視覺(jué)注意模型區(qū)分特征來(lái)自前景或背景，提出一種基于BOW和視覺(jué)注意模型的圖像分類(lèi)方法，更加有效地對(duì)圖像進(jìn)行表示。同時(shí)，基于提出的圖像分類(lèi)思想，在SAR圖像艦船檢測(cè)和圖像廣告推薦這兩個(gè)實(shí)際應(yīng)用中，提出基于SEBOW模型的艦船檢測(cè)算法及基于BOW和視覺(jué)注意的圖像廣告推薦算法。本文的主要貢獻(xiàn)如下:
　　(1)針對(duì)傳統(tǒng)BOW模型沒(méi)有對(duì)特征來(lái)自前景或是背景進(jìn)行區(qū)分，背景部分的特征為圖像的正確分類(lèi)帶來(lái)干擾這一問(wèn)題，本文提出

5、了一種基于視覺(jué)注意模型的圖像分類(lèi)方法，利用視覺(jué)注意模型描述圖像的前景背景信息，將視覺(jué)顯著度與局部特征相結(jié)合共同表示圖像，有效改進(jìn)分類(lèi)效果。
　　(2)針對(duì)傳統(tǒng)設(shè)定閾值的艦船檢測(cè)方法不具有普適性，并且忽略了艦船本身的特征，虛警率高等問(wèn)題，本文分析不同特征在SAR圖像中的分布情況判斷特征來(lái)自前景或是背景，提出新的SEBOW模型用于表示SAR圖像，然后利用基于SEBOW模型的圖像分類(lèi)進(jìn)行艦船檢測(cè)。因此普適性更高。
　　(3)針對(duì)傳