基于改進(jìn)LDA模型的自然圖像分類.pdf

1、隨著圖像庫規(guī)模在不斷增加,雜亂的存儲(chǔ)模式越來越不利于圖像的檢索,人們?cè)诤Ａ康膱D像庫中想要找到預(yù)期的圖像的成本也會(huì)越來越高。而通過圖像分類技術(shù)將不同類別的圖像存儲(chǔ)在不同的路徑下,則大大提高了圖像檢索的效率,節(jié)約了圖像檢索成本,對(duì)于完善圖像檢索系統(tǒng)具有重要意義。而在圖像分類技術(shù)中,應(yīng)用范圍最廣的當(dāng)屬自然圖像分類技術(shù)。自然圖像是我們?cè)谌粘Ｉ钪薪佑|的最多的一種圖像類型,因而相較人工圖像而言更具有實(shí)用價(jià)值和應(yīng)用意義,是科學(xué)研究的主要對(duì)象。

2、>　　在現(xiàn)有的自然圖像分類技術(shù)中,大多是基于自然圖像的底層視覺特征進(jìn)行分類,這種傳統(tǒng)的分類模型無法解決圖像分類過程中的“語義鴻溝”問題。本文以潛在狄利克雷分配(Latent Dirichlet Allocation,LDA)模型為基礎(chǔ),對(duì)自然圖像進(jìn)行基于高層語義特征的分類,并針對(duì)現(xiàn)有的基于LDA模型的自然圖像分類方法存在的缺乏空間信息認(rèn)知和顯著特征融合兩點(diǎn)不足進(jìn)行了改進(jìn),主要成果如下:
　　1.提出一種基于空間金字塔匹配和LDA模

3、型的自然圖像分類方法。該方法在LDA模型進(jìn)行自然圖像分類的特征提取過程中融合了視覺單詞之間的空間信息。不同空間金字塔的分層直接影響最終的自然圖像分類的結(jié)果。本文采用SVM進(jìn)行了分類實(shí)驗(yàn),并通過實(shí)驗(yàn)確定了最佳的空間金字塔層數(shù),實(shí)驗(yàn)證明當(dāng)空間金字塔分層為最佳層數(shù)時(shí)具有較好的分類性能。
　　2.提出一種融合視覺注意機(jī)制LDA模型的自然圖像分類方法。該方法在LDA模型進(jìn)行自然圖像分類的特征提取過程中融合了通過轉(zhuǎn)換 HSI顏色空間獲得的色調(diào)