基于稀疏表示的多示例图像分类.pdfVIP

第 42卷 第 1期 计 算 机 科 学 Vo1．42No．1 2015年 1月 Computer Science Jan2015 基于稀疏表示的多示例 图像分类 宋相法 。 焦李成 (河南大学计算机与信息工程学院 开封475004) (西安电子科技大学智能感知与图像理解教育部重点实验室 西安710071) 摘 要 为了有效地解决多示例图像分类问题，基于稀疏表示提 出了一种新的多示例图像分类方法。该方法将图像 看作多示例包，图像中的区域作为包中示例，利用示例嵌入策略计算包特征；然后将待分类图像包特征表示为训练图 像包特征集上的稀疏线性组合，利用 优化方法求得稀疏解；最后根据稀疏系数提 出一个为待分类图像预测标记的 方法。在Corel数据集上的实验结果表明，与其他方法相比，所提方法具有更高的分类精度。 关键词 图像分类，多示例学习，稀疏表示 中图法分类号 TP391 文献标识码 A DOI 10．11896／j．issn．1002—137X 2015．1．065 ClassificationofM ulti—instanceImageBasedonSpa~eRepresentation SONG Xiang-fa’ JIAOLi-cheng。 (SchoolofComputerandInformationEngineering，HenanUniversity，Kaifeng475004，China) (KeyLaboratoryofIntelligentPerceptionandImageUnderstandingofMinistryofEducation，XidianUniversity，Xi’an710071，China) Abstract Inordertoeffectivelysolvetheproblem ofmulti—instanceimageclassification，anovelclassificationmethodof multi-instanceimagewasproposedwhichisbasedonsparserepresentation．Thewholeimageisregardedasabagand eachregionasaninstanceofthatbag．Theimagebagfeatureiscomputedbasedoninstanceembeddedstrategy．Next， thetestimagebagfeatureisregardedassparselinearcombinationoftrainingimagebagfeaturesetandthesparsesolu— tioncanbeobtainedbygloptimizationmethod．Finally，sparsecoefficientsareutilizedtOprdeictthelabelofthetestima- ge．ExperimentalresultsontheCorelimagedatashow thattheproposedmethodissuperiortothestate-of-artmethods intermsofclassificationaccuracy． Keywords Imageclassification，Multi—instancelearning，Sparserepresentation 1997年Dietterich等人_7]在对麝香分子活性的研究中提 1 引言 出了多示例学习框架，在该框架下，一个样本被表示为由多个