基于p.d.f特征的分层稀疏表示在图像分类中的实践应用.pdfVIP

2017年5月15日 现代电子技术 May 2017 第40卷第10期 ModernElectronicsTechnique Vol.40 No. 10 95 95 doi：10.16652/j.issn.1004⁃373x.2017.10.026 基于p.d.f 特征的分层稀疏表示在图像分类中的应用 王 博 （宁夏大学 物理与电子电气工程学院，宁夏 银川 750021） 摘 要：为了在计算机视觉任务中构造有意义的图像表示，提出一种基于概率密度函数（p.d.f）梯度方向直方图特征的 分层稀疏表示方法用于图像分类。传统分层稀疏表示方法利用SIFT描述子或者直接从图像块学习图像表示，通常不具有 较强判别性。该文利用具有通用性的p.d.f特征进行分层学习并使用空间金字塔最大池化方式构造图像级稀疏表示。实验 结果证明了所提算法的鲁棒性和有效性，在UIUC⁃Sports，OxfordFlowers，Scene15三类数据集上分别达到87.3% ，86.6% ， 84.1% 的分类准确率。 关键词：图像分类；分层稀疏表示；空间金字塔最大池化；图像表示 中图分类号：TN911.73⁃34；TP391.4 文献标识码：A 文章编号：1004⁃373X（2017）10⁃0095⁃04 Application of hierarchical sparse representation based on p.d.f feature in image classification WANGBo （SchoolofPhysicsandElectronic⁃ElectricalEngineering，NingxiaUniversity，Yinchuan 750021，China） Abstract：Inordertoconstructthemeaningfulimagerepresentationincomputervisiontask，anovelhierarchicalsparse representationmethodbasedonorientedhistogramfeatureofprobabilitydensityfunction （p.d.f）gradientsisproposedforimage classification.ThetraditionalhierarchicalsparserepresentationmethodwhichlearnstheimagerepresentationwithSIFTdescrip⁃ tororlearnitdirectlyfromimageblockhaspoordiscrimination.Auniversalp.d.ffeatureisemployedforhierarchicallearning， andthespatialpyramidmaxpoolingmethodisusedtoconstructtheimage⁃levelsparserepresentation.Theexperimentalresults show that the algo