基于圖像场景新主题特征分类.docVIP

　　　　　　基于图像场景分类的新的主题特征 摘要：我们提出了基于图像场景分类的新的主题特征。这个特征是由主题构建的图像表示的。即LDA的潜变量(潜伏狄利克雷分配)及其学习算法。与其它相关文献不同的是，在文章中所定义的特性共享不同类别下的主题,甚至在分类之前不需要类标签,以至于就可以避免特征和标签之间的耦合特性。为了表示一个新的图象,我们直接提取主题特征变量通过码字线性映射的方法,而不是潜变量的推理。我们将我们的方法与其他三个主题模型在类似的实验条件下进行比较，同时合并这些方法应用于15个场景数据集对象。结果表明,我们的方法可以很精确的分类场景类并且精度高于其他主题模型而且不使用空间信息。我们发现性能改善是由于被推荐的特性以及我们的算法,而不是其他因素,如额外低层图像特征和更强的预处理。 关键词：图像场景分类、主题特征、LDA模型、吉布斯采样器 前言： 图像场景分类是在计算机视觉和机器学习一个非常重要的问题。自动的获取图像语义信息变得不可或缺,并且已经广泛应用于许多实际的信息系统。然而,场景分类面临着许多挑战，列如可变性,歧义性,广泛的照明范围[1]。目前,三个典型的方法可以在图像场景分类的任务中被找到。第一个方法考虑图像作为单独对象可以直接将他们通过如颜色、纹理和功率谱等低级特征进行分类,。这种方法通常用于一小部分场景类别[2]。第二个方法采用图像的高级特征,