基于視覺計算和混合尺度局部特征的圖像分類方法.pdf

1、圖像分類是圖像處理、計算機視覺、模式識別領(lǐng)域中極具挑戰(zhàn)性的研究課題,利用計算機實現(xiàn)自動圖像分類,關(guān)鍵是提取準確的圖像特征、形成可區(qū)分的圖像描述。基于詞袋模型的圖像分類方法是一種應(yīng)用廣泛的基于局部特征的圖像描述和分類方法,其中局部特征的提取非常重要,其直接影響后續(xù)步驟中構(gòu)建的視覺詞典的準確性,進而影響生成的圖像描述子的區(qū)分性。在局部特征提取階段常用而且非常有效的一種方法是通過密集采點方法將圖像規(guī)則地劃分為固定大小的圖像塊,并以圖像塊的中心

2、為關(guān)鍵點生成 SIFT特征,但這種將圖像塊劃分成固定大小的塊并提取 SIFT特征的方式不能自適應(yīng)地獲取適合尺度的結(jié)構(gòu)特征,而這些適合尺度的結(jié)構(gòu)特征可能對構(gòu)建準確的視覺詞典非常重要,因而不利于構(gòu)建準確的視覺詞典,從而也不利于生成準確的圖像描述。
　　本文結(jié)合視覺計算理論,就圖像局部特征提取方法和圖像描述子生成方法進行了研究。本文先采用初始素描模型得到圖像的初始素描圖,并據(jù)此對圖像進行區(qū)域劃分,將圖像劃分為包含結(jié)構(gòu)信息較多的結(jié)構(gòu)區(qū)域和

3、包含結(jié)構(gòu)信息較少的非結(jié)構(gòu)區(qū)域,在結(jié)構(gòu)區(qū)域提取混合尺度的圖像塊 SIFT特征,在非結(jié)構(gòu)區(qū)域提取單尺度圖像塊 SIFT特征,以更好地表示圖像局部信息,提高后續(xù)處理中視覺詞典的準確性和描述子的可區(qū)分性,得到區(qū)分性較好的基于局部特征的圖像特征。另外,圖像的初始素描圖是圖像的一種稀疏表示,基于圖像的素描線段的方向和長度的統(tǒng)計量能在一定程度上表示圖像,本文直接對每幅圖像的素描線段的方向和長度進行統(tǒng)計,得到基于素描線段方向和長度的統(tǒng)計特征,可以直接用