基于监督核哈希生成视觉词袋模型的图像分类.pdfVIP

•6•《测控技术》2018年第37卷第3期

基于监督核哈希生成视觉词袋模型的图像分类

刘相利12,郭海儒\曲宏山2,黄强强12

(1.河南理工大学计算机科学与技术学院河，南焦作454000;2.河南工程学院计算机学院河，南郑州451191)

摘要：为了解决大规模数据集下传统视觉词袋模型生成时间长、内存消耗大且分类精度低等问题，提出

了基于监督核哈希（SupervisedHashingwithKernels,KSH)的视觉词袋模型。首先，提取图像的SIFT特

征点，构造特征点样本集。然后，学习KSH函数，将距离相近的特征点映射成相同的哈希码，每一个哈

希码代表聚类中心，构成视觉词典。最后，利用生成的视觉词典，将图像表示为直方图向量，并应用于图

像分类。在标准数据集上的实验结果表明，该模型生成的视觉词典具有较好的区分度，有效地提高了图

像分类的精度和效率。

关键词：监督核哈希;视觉词袋;视觉词典；图像分类

中图分类号:TP391文献标识码：A文章编号：1000-8829(2018)03-0006-04

ImageClassificationBasedonSupervisedHashingwithKernels

LIUXiang-li1,2,GUOHai-ru1,QUHong-shan2,HUANGQiang-qiang1,2

(1.SchoolofComputerScienceandTechnology,HenanPolytechnicUniversity,Jiaozuo454000,China;

2.SchoolofComputerScience,HenanUniversityofEngineering,Zhengzhou451191,China)

Abstract：Inordertosolvetheproblemsofhighgenerationtime,largememoryconsumptionandlowclassifica­

tionaccuracyoftraditionalbagofvisualword(BoVW)modelunderlargescaledatasets,aBoVWmodelbased

onsupervisedhashingwithkernels(KSH)ispresented.Firstly,thefeaturepointsamplesetwasconstructedby

extractingtheSIFTfeaturepointsoftheimage.ThenlearningKSHfunction,thesimilarityfeaturepointswere

maedtothesamehashcode,andeachhashcoderepresentedtheclustercenter,sothevisualdictionarywas

constituted.Finally,thegeneratedvisualdictionarywasusedtorepresenttheimageasahistogramvectorand

aliedtoimageclassification.Theexperimentalresultsonthestandarddatasetshowthatthevisualdictionary

generatedbythemodelhasagooddistinguishingdegree,whicheffectivel