基于空間SSIM度量的ROI提取用于圖像優(yōu)化分類方法.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，圖像數(shù)據(jù)越來越龐大，如何高效的處理和利用這些圖像數(shù)據(jù)成為了圖像處理領(lǐng)域的重要課題。作為圖像處理領(lǐng)域的分支，圖像分類技術(shù)由于在各個領(lǐng)域都有重要的應(yīng)用而得到了科研人員的廣泛關(guān)注。圖像分類主要目的是對圖像進行合理和快速分類。其中典型的判別模型的圖像分類的主要流程包括：底層特征提取、中層語義特征描述、分類器分類等過程。本文為了提升特征描述子的判別性，對底層特征的提取方法進行了相關(guān)研究。在圖像中往往存在一些例如背景等非興趣區(qū)

2、域，對于這些非興趣區(qū)域，我們可以認為由其進行特征提取所獲得的特征并非有效特征。
　　本文采用利用ROI區(qū)域提取進行特征提取。此外Bow模型、空間金字塔模型的研究表明對圖像的空間信息的表達能有效提高分類效果，本文基于這類研究提出了基于空間SSIM(Structural Similarity)度量的ROI區(qū)域提取思想。首先SSIM度量方法是對圖像結(jié)構(gòu)相似性的體現(xiàn)，其次引入類似空間金字塔模型的空間層次特性則是對圖像空間信息進行表達。綜合

3、這兩方面考慮，提出的方法在保留了原有的Bow模型、SPM（Spatial Pyramid Matching，空間金字塔模型）的特點的基礎(chǔ)上，增加了對圖像的結(jié)構(gòu)性的表達，同時進一步對圖像的空間信息進行了表達，而采用的ROI區(qū)域特征提取的方法能去除無效冗余的特征，對分類效果進行進一步提升。為了驗證本文方法的有效性，本文與傳統(tǒng)方法以及文獻[20]的方法進行了對比，實驗表明采用本文的方法能得到良好的分類效果。此外為進一步提升分類效果，結(jié)合了同時