基于語義主題模型的圖像場景分類研究.pdf

1、圖像場景分類(SceneClassification)是根據(jù)給定的一組語義類別對圖像數(shù)據(jù)庫進行自動標注，它為指導目標識別等更高層次的圖像理解提供了有效的上下文語義信息。本文從認知心理學的角度出發(fā)，以“視覺詞包建模-語義主題建模-場景語義分類”為路線展開研究。研究的難點在于如何使計算機能夠從人的認知角度理解圖像的語義信息，有效辨別圖像場景類自身變化及各場景類之間的相似。
　　 圍繞場景主題建模，最大程度地彌合圖像低層特征和高層語義

2、之間的語義鴻溝，本文取得以下研究成果：
　　 提出了一種基于類別約束的主題模型。該模型針對同類場景圖像中層語義內(nèi)容具有視覺相似的特點，建立類別約束學習機制捕獲場景類的特定語義。依據(jù)該模型中場景類主題空間構(gòu)建方法的不同，提出了場景類建模的兩種方案。其中，CTS-LDA(基于類主題空間的潛在狄里克雷分布)采用等維主題集構(gòu)建各類主題空間，便于擴展應用；ATS-LDA(自適應主題數(shù)的潛在狄里克雷分布)采用不等維主題集構(gòu)建各場景類的主題空

3、間，體現(xiàn)各類場景語義內(nèi)容繁簡變化程度。該模型通過比較各類模型下圖像邊緣分布，采用最大似然選擇實現(xiàn)場景類判別，擺脫了現(xiàn)有方法必須使用分類器進行場景分類的限制。
　　 提出了一種學習和識別場景類別的主題模型。針對EM算法推導過程中可能存在的局部極值問題，根據(jù)狄雷克里參數(shù)的偽計數(shù)作用，采用兩次變分推導估計模型參數(shù)。首先，推導出符合訓練樣本的通用主題先驗分布，作為模型參數(shù)初值；然后對模型進行再次變分推導，估計各場景類主題先驗分布。該模型

4、的推導方式有利于實現(xiàn)增量學習。對于新增場景類，在原訓練樣本的通用主題先驗參數(shù)基礎(chǔ)上，該模型能夠以增量方式學習新增類的類主題先驗分布，呈現(xiàn)出較高的泛化能力。
　　 提出了一種具備空間語義的主題模型，從中間語義描述的共性和個性角度捕獲視覺詞語的共現(xiàn)信息。首先在原有視覺詞包的基礎(chǔ)上，該模型通過建立空間金字塔來保留與特征點相關(guān)的空間信息，實現(xiàn)了圖像局部特征與全局特征的有效融合。然后從中間語義層次上聯(lián)合考查通用主題的一般性和類主題的特殊性