基于馬爾科夫隨機場和模糊集理論的場景分類算法研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展和普及，網(wǎng)絡(luò)圖像數(shù)據(jù)爆炸性增長。如何對每天海量增長的數(shù)字照片和圖片進行歸類整理已成為研究的熱點。場景分類技術(shù)是解決此類問題的重要途徑。
　　在分類算法中，視覺詞包模型方法是建立底層視覺特征到高層場景語義之間映射關(guān)系的樞紐。但是詞包模型有兩個很大的局限性:一方面，視覺單詞缺乏明確的含義，另一方面它們通常是多義的。針對這個問題，本文將基于優(yōu)化視覺單詞的場景分類算法作為主要研究內(nèi)容，分別研究了特征編碼和提取上下文

2、信息的算法。又考慮到視覺單詞對于特定的圖像類別能提供更多的信息這一特點，因此給這些詞賦予更高的權(quán)重可以增強視覺詞包在圖像分析中的表現(xiàn)。根據(jù)這種想法本文給出了支持向量機結(jié)合視覺單詞權(quán)重的分類器設(shè)計算法。本文主要工作如下:
　　1)給出了基于模糊集理論的空間金字塔視覺詞包模型的算法
　　該算法以傳統(tǒng)的視覺詞包模型為基礎(chǔ)，改進了FCM算法隸屬度矩陣。根據(jù)圖像塊與聚類中心的距離設(shè)定分配方式，既避免了關(guān)鍵點距離單詞太遠造成的詞義模糊，

3、又保證了距離相近時單詞提供的準(zhǔn)確信息。在公共數(shù)據(jù)集上的實驗證明本文算法具有較高的精確度和良好的分類性能。
　　2)給出了一種基于自適應(yīng)先驗MRF的視覺單詞生成算法
　　該算法基于Markov隨機場理論，將圖像塊在特征域的共生性與空間域的上下文語義關(guān)系有機地聯(lián)系起來。首先利用潛在的狄利克里分布模型推出視覺單詞之間的語義共生信息，然后借鑒最大流最小割算法中的邊界項權(quán)值的計算方法計算出控制鄰域間作用強度的參數(shù)。這種方法在一定程度上

4、能夠減緩視覺單詞出現(xiàn)歧義的弊端，獲得更加準(zhǔn)確的圖像塊視覺單詞。
　　3)給出了視覺單詞權(quán)重結(jié)合支持向量機分類器設(shè)計的算法
　　該算法首先通過多項式核函數(shù)分類器和徑向基核函數(shù)分類器獲得分類結(jié)果。基于這兩種分類器產(chǎn)生的有差異預(yù)測標(biāo)簽，引入了一種新穎的單詞加權(quán)方法，應(yīng)用加權(quán)歐氏距離函數(shù)來計算待分類圖像和訓(xùn)練集圖像的相似性。經(jīng)實驗表明，本算法具有較高的分類準(zhǔn)確性，具有一定的研究價值。
　　為了驗證改進的視覺詞包應(yīng)用于場景分類算

5、法的分類性能，本文采用四個數(shù)據(jù)集進行驗證，數(shù)據(jù)集范圍從通用自然場景圖像(FeiFeiLi-15數(shù)據(jù)集)到人類行為圖像(HB-6場景數(shù)據(jù)集)，以及簡單的對象類(MSRC-14數(shù)據(jù)集)和復(fù)雜運動圖像(UIUC-8數(shù)據(jù)集)，在UIUC-8數(shù)據(jù)集上本文算法的最終準(zhǔn)確率為86％，在FeiFeiLi-15類數(shù)據(jù)集本文算法的最終準(zhǔn)確率為83％，在HB-6數(shù)據(jù)集上本文算法的最終準(zhǔn)確率為93％，在MSRC-14類數(shù)據(jù)集本文算法的最終準(zhǔn)確率為91％。其中，