一种基于词袋模型的图像优化分类方法.pdfVIP

第 34卷第 9期 电 子 与 信 息 学 报 V0l1．34No．9 2012年 9月 JournalofElectronics InformationTechnology Sept．2012 一 种基于词袋模型的图像优化分类方法 赵春晖 王 莹 MasahideKANEKO (哈尔滨工程大学信息与通信工程学院 哈尔滨 150001) (日本东京电气通信大学金子研究室 日本东京 182．8585) 摘 要：该文应用词袋模型对图像进行分类，并针对传统词袋模型存在的不足进行改进，提出了一种基于兴趣区域 (RegionOfInterest，ROI)提取以及金字塔匹配原理的优化方法。首先对训练图像进行ROI提取，对得到的ROI 区域进行密集尺度不变特征变换(Scale-InvariantFeatureTransform，SIFT)特征的抽取和描述并生成视觉词典，由 此产生的视觉词典更能精确的描述图像的特征，且能够抵抗多变的位置信息及背景信息的影响。其次应用金字塔匹 配原理对图像进行基于视觉词典的直方图表示，代入支持向量机(SupportVectorMachine，SVM)分类器进行分类。 通过对Caltech101和Caltech256两个数据库进行实验，结果表明该方法较传统方法提高了分类的正确率，且能 够在训练图像较少的情况下达到良好的分类效果。最后通过与现有同类方法的比较验证了该方法的优越性。 关键词：图像分类；词袋模型；兴趣提取；金字塔匹配 中图分类号：TN911．73 文献标识码：A 文章编号：1009—5896(2012)09—2064．07 DOI：10．3724／SP．J．1146．2012．00047 AnOptimizedM ethodforImageClassification BasedonBagofW ordsM odel ZhaoChun-hui① WangYing∞ MasahideKANEKO (CollegeofInformationandCommunicationEngineering，HarbinEngineeringUniversity，Harbin150001，China) (KANEKOLabolTokyoElectro-CommunicationsUniversity，Tokyo182—8585，Japan) Abstract：TheBagofWords(BoW)modelisappliedtoobjectclassificationinthispaper．Anoptimizedmethod basedonthecombinationofRegionOfInterest(ROI)extractionandpyramidmatchingschemeisproposedto optimizeand improvethetraditionalmodelinordertoovercomethedisadvantages．First，theROIisextracted from trainingimagesand then thecodebookisgeneratedusingthefeatureswhichareextractedrfom theROI insteadoftheentireimagesusingdenseScale-InvariantFeatureTransform (SIFT)descriptor．Therefore，the codebookcan describethefeaturesoftheimagesmoreaccuratelyna dalsocan resisttheimpactofthevarious positioninformation as wellaSbackgr