多核学习下的场景分类方法研究-电子与通信工程专业论文.docxVIP

多核学习下的场景分类方法研究 Research of Scene Classification Methods on Multiple Kernel Learning 作 者 姓 名 杨 昭 学 位 类 型 工 程 硕 士 学 科、专 业 电子与通信工程 研 究 方 向 图 像 理 解 导 师 及 职 称 高隽 教授 王志刚 高级工程师 2013 年 4 月 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果。据我所知，除了文中特别加以标志和致谢的地方外，论文中不包含 其他人已经发表或撰写过的研究成果，也不包含为获得 合肥工业大学 或 其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所 做的任何贡献均己在论文中作了明确的说明并表示谢意。 学位论文作者签字:寿无日召 签字日期 : 20 年 F 月二日 学位论文版权使用授权书 本学位论文作者完全了解 合肥工业大学 有关保留、使用学位论文的规 定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被 查阅或借阅。本人授权 合肥工业大学 可以将学位论文的全部或部分论文内 容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇 编学位论文。 (保密的学位论文在解密后适用本授权书) 学位论文者签名:井石 00 签字日期 :Zol S 年 5 月二日 签字日期 :2-0 厅年 s月二日 学位论文作者毕业后去向: 工作单位:合同巴工业大学 通讯地址:合同巴工业增酌区立啤柑院  电话: ì)t在?7l1刀。 邮编:巧voo 多核学习下的场景分类方法研究 摘要 场景分 类是图 像理 解 中高层 语义的 重要 研 究内容 ，旨在 通过 分 析图像 的全 局统计 和关联 特征 ， 实现图 像场景 的语 义 标注过 程，与 图像 检 索的词 语标注不 同，场 景语义 具有 隐 含的特 征共性 描述 ， 体现一 定的无 监督 特 性。正 确的场景 分类不 仅可以 发现 属 于同一 类别场 景的 相 似性和 不同类 别场 景 的区分 性，而且 提供了场 景和目 标的 上下文语 境关系 ，有 助于得到 场景内 目标 识别的正 确结果 。 常 用 的 基 于 低 层 特 征 和 中 层 语 义 的 建 模 方 法 都 需 要 进 行 场 景 特 征 提 取 和 匹 配 , 场景建 模的好 坏会 影 响场景 分类的 结果 。 不同的 分类模 型对 应 着不同 的场景分 类方法。 本文主要 在多核 学习 框架下， 针对不 同的 场景特征 选取 相应 的 SVM 核函 数，使用 SimpleMKL 算 法最 优化核 权重 ，构建多核 SVM 分 类器，完成场景 分 类，其研 究内容 和研 究工作包 括以下 几点 ： 1) 分别研究 场景图 像三 种全局特 征：颜 色特 征、 PHOG 特征和 Gist 特征的提 取过程， 针对 Gist 特 征粒度较 为粗糙 的问 题，提出 了一种 基于 稠密网格 的 局部 Gist 特 征描述 ， 并基于 BOW 模型 设 计一种高 效匹配 核来 度量局部 特 征间的相 似性， 核化 特 征匹配 过程。 2) 分析 并 总 结 传 统 的 场 景 分 类 方 法 ： 近 邻 分 类 、 协 同 分 类 和 支 持 向 量 机 分 类 方法。提 出一种 多核 SVM 分类方 法，对 不同的样 本特征 选用 不同的 SVM 核函数， 用多核 学习 方法最优 化权重 ，得 到不同 SVM 核函数 的线性组 合 。 3) 进行场景 分类的 实验 和分析，比 较传统 分 类方法和 多核 SVM 分类方法 的分 类结果。 验证了 本文 方法的有 效性， 可有效提升分 类正确 率。 关键词： 全局特征， 场景分类 ，支持 向量 机， 多核 学习， 最优 化 Research of Scene Classification Methods on Multiple Kernel Learning ABSTRACT The image scene classification is an important part of the high -level semantic image understanding, aiming at the semantic annotation process by analyzing the images on the overall statistics and associated features. The correct scene classification can find the similarity of the same