融合AP聚类视觉字典容量获取及其PLSA评价研究.pdfVIP

近年来，场景分类变得很热门，在 ＭＩＴ 召开的首次场景理解 研讨会（ Ｓｃｅｎｅ Ｕｎｄｅｒｓｔａｎｄｉｎｇ Ｓｙｍｐｏｓｉｕｍ ）上明确提出，场景 描述与理解特别是场景分类将会是图像理解的一个新的有前途 的研究方向［３］。随后每年召开的场景理解研讨会再次确定了场 景分类在视觉领域中的重要地位。 目前，场景分类的主流方法之一是采用词包模型构建视觉 字典，然后采用 ＰＬＳＡ 生成模型实现场景分类。这种分类的一般 流程是 ① 先取一个视觉字典容量 Ｍ ，采用 K ｍｅａｎｓ 算法对场 景图像 ＳＩＦＴ 特征［４］进行聚类［５］得到容量为 Ｍ 的视觉字典和每 一块特征对应的单词的内标； ② 分析内标中每一个单词出现的 次数，得到一个共现矩阵； ③ 采用 ＰＬＳＡ 算法对共现矩阵，生成 概率模型。 ④ 用 K 近邻算法对概率模型进行分类。这种方法第一 种需要人为的先取一个视觉字典容量，而且这个容量对分类结 果影响很大，通常只能通过大量的实验去获得一个合理的容量， 使得效率相当很低。 因此，本文提出了采用 ＡＰ 聚类算法，一次获得一个合理的 字典容量，分类效率提高，同时研究 ＰＬＳＡ 的主题数 K 对分类性 能的影响。 １ 高效视觉字典容量地获取 第一步 提取所有图像的 ＳＩＦＴ 特征向量，生成场景图像集 的 ＳＩＦＴ 特征矩阵。 ＳＩＦＴ 是基于图像金字塔的多尺度极值点检测和梯度直方 图的特征点计算方法，通过采用特征点邻域的梯度方向直方图 向量对关键点进行描述。 ＳＩＦＴ 提取的每个关键点由 １２８ 维的向量组成，则每提取一 幅场景图像的特征向量是 ｎｘ１２８ ，其中 ｎ 为关键点数目。梯度变 化的大小会影响关键点的数目，从而使每一幅场景图像的关键 点数目不一样，则每一幅场景图像所得到的向量大小也不一样。 如果直接将所有场景图像的特征向量组成特征矩阵，则生成的 特征矩阵是稀疏矩阵，那么所得到的特征矩阵会有很多冗余特 征，会导致场景分类精度相当低。为了解决这种问题，本文使用 ＰＣＡ ＳＩＦＴ 描述子［６］构建场景图像训练与测试集的特征矩阵。 第二步 利用聚类算法对场景图像集的所有特征向 ＳＩＦＴ 量 进行聚类，获得一个合理的字典容量。 ＡＰ （ Ａｆｆｉｎｉｔｙ ｐｒｏｐａｇａｔｉｏｎ ，吸引子传播）聚类算法是 Ｆｒｅｙ 等 人在 Ｓｃｉｅｎｃｅ 期刊上提出的一种新的聚类算法［７］。 ＡＰ 算法的思 想是以 Ｎ 个数据点之间的相似度矩阵 Ｓ 作为它的输入，相似矩 阵 Ｓ 的对角线上的值被称为参考度 ｐ （ Ｐｒｅｆｅｒｅｎｃｅ ）， ｐ 值越大， ｐ 值越大，则这个点就越有可能成为聚类中心。 该算法的关键步骤是 Ｒ （ ｉ ， ｋ ）和 Ａ （ ｉ ， ｋ ）的迭代更新，如公式 （ １ ）和公式（ ２ ）所示。当 ｉ＝ｋ 时，则由公式（ １ ）可得出公式（ ３ ）。 Ｒ（ｉ，ｋ） Ｓ（ｉ，ｋ）ｍａｘ ｊ≠ｋ （Ａ（ｉ，ｊ）＋Ｓ（ｉ，ｊ）） （１） Ａ（ｉ，ｋ）ｍｉｎ｛０，Ｒ（ｋ，ｋ）＋ ｊ≠ｉ ， ｊ ∑ ｍａｘ｛０，Ｒ（ｊ，ｋ）｝｝ （２） Ｒ（ｋ，ｋ） Ｐ（ｋ）ｍａｘ ｊ≠ｋ ｛Ａ（ｋ，ｊ）＋Ｓ（ｋ，ｊ）｝ （３） 在每一次迭代过程中， ＡＰ 算法都会更新每一个数据点吸引 度和归属度，一直到 ｋ 个高质量的聚类中心出现为止，同时其余 数据点也被分配到相应的聚类簇中。本文中利用 ＡＰ 算法的特 性，对场景图像的 ＳＩＦＴ 特征进行聚类，得出一个合量的视觉字 典容量。 ２ 构建概率生成模型 ＰＬＳＡ 是针对潜在语义分析而提出的一种概率生成模型，使 用图模型来表示文档、主题和词语三者之间的关系，将文档和词 语映射到同一个语义主题空间。其原理如图 １ 所示。 图 １ ＰＬＳＡ 模型原理图 融合 ＡＰ聚类视觉字典容量获取及其 ＰＬＳＡ评价研究 钟映春 钟宝麟 （广东工业大学自动化学院，广东 广州 ５１０００６） ＡＰ ＣＩｕｓｔｅｒｉｎｇ ＶｉｓｕａＩ Ｄｉｃｔｉｏｎａｒｙ Ｉｎｔｅｇｒａｔｉｏｎ Ｃａｐａｃｉｔｙ Ａｃｑｕｉｓｉｔｉｏｎ ａｎｄ ＥｖａＩｕａｔｉｏｎ ｏｆ ＰＬＳＡ 摘 要 针对目前需要大量实验方可获得视觉字典的不足，提出了一种一次既可获得合理的视觉字典方法。首先，采用尺度不 变特征转换 ＳＩＦＴ ［１］（ ＳｃａＩｅ ｉｎｖａｒｉａｎｔ ｆｅａｔｕｒｅ ｔｒａｎｓｆｏｒｍ ）局部描述子构建场景图像数据集的特征矩阵；其次，采用 ＡＰ 聚类 算法对场景图像的特征矩阵进行聚类，获得聚类中心数，也就是合理的视觉字典容量，并结合 K ｍｅａｎｓ 算法获得共现矩 阵，再用 ＰＬＳＡ 算法构建概率模型，然后用 ＳＶＭ ［２］进行分类得出正确率。最后，用该方法与传统的通过大量实验的获得合理 的视觉容量的方法进行对比分析主题数 K （ ＰＬ