基于特征学习的图像场景分类-电子与通信工程专业论文.docxVIP

摘要 摘要 万方数据 万方数据 万方数据 万方数据 摘要 随着信息化时代的飞速发展，图像作为信息的一种快速有效地描述和存储载 体，得到了人们的广泛重视。当海量的图像信息涌入人们的生活时，怎样使计算 机能够具备人脑理解的方式，从而使它能够快速地、准确地自动标注图像的场景 类别，已经成为计算机视觉领域一个亟待解决的问题。本文针对图像场景分类主 要做了以下几点创新： (1) 提出了一种基于多分辨率的潜在狄利克雷模型自然图像场景分类方法，本 方法通过从不同分辨率提取图像 SIFT(Scale Invariant Feature Transform)特征，用词 包模型对图像进行表示，然后用潜在狄利克雷模型提取图像潜在语义主题分布， 最后训练 SVM(Support Vector Machine)分类器对图像进行场景分类得到图像场景 分类结果。该方法丰富了图像特征的空间信息，从而得到更好的分类结果。 (2) 提出了一种潜在狄利克雷模型的多尺度字典图像场景分类方法，本方法从 不同尺度提取图像特征，从而建立多尺度字典来表示图像，再用潜在狄利克雷模 型提取图像潜在语义主题分布，最后用分类器对图像进行场景分类。该方法使得 图像的特征信息更加丰富，而且此方法具有较好的扩展性，在自然图像和遥感图 像场景分类上都取得了较好的分类结果。 (3) 提出了一种基于空间关系的潜在狄利克雷模型自然图像场景分类方法，本 方法将图像分成一定大小的分块，然后在每个分块上提取特征，并用潜在狄利克 雷模型提取图像的潜在语义主题分布，将图像所有分块的主题分布的集合作为该 图像的主题分布，训练分类器实现图像场景分类算法。该方法丰富了图像的空间 信息和上下文信息，鲁棒性好。 关键词：多尺度 特征学习 潜在狄利克雷模型 场景分类 ABSTR ABSTRACT 万方数据 万方数据 万方数据 万方数据 ABSTRACT With the development of information technology, people pay more attention to images as they can describe and store information quickly and efficiently. It has become a problem in computer vision that how to make computer understand scene categories automatically. Scene classification is a technique that can label an image among a set of semantic categories automatically. It provides contextual information for object recognition. Our paper has three improvements on scene classification: We present a method of scene classification based on the incorporation of a multi-resolution representation into a bag-of-features model. Firstly, we extract scale invariant feature transform from images and use the bag-of-words model to represent images. Then we represent images by Latent Dirichlet Allocation. Finally, we use SVM(Support Vector Machine) classifier to get the scene categories. Our method has a good performance on scene classification by extracting spatial information. We propose a simple but efficient approach by building a multiscale codebook on image features. In this approach, we extract features on images in multiple scales and build a codebook for every scale features. Then we repres