面向交通場景的圖像分類技術(shù)研究.pdf

1、由于智能交通視頻監(jiān)控技術(shù)的飛速發(fā)展，交通監(jiān)控圖像和視頻的數(shù)量呈現(xiàn)出爆發(fā)式的增長，對于圖像分類技術(shù)的需求也變得日益迫切。面向交通場景的圖像分類技術(shù)旨在利用計(jì)算機(jī)將交通場景圖像自動(dòng)劃分為不同的類別，它作為智能交通監(jiān)控的關(guān)鍵技術(shù)，具有非常良好的應(yīng)用前景。
　　本文的主要研究對象是交通場景圖像分類技術(shù)，主要圍繞圖像的特征提取，表述以及分類三個(gè)方面而展開，其中主要的研究內(nèi)容包括:
　　第一，本文采用的特征包模型提取了圖像的SIFT特征

2、，并形成視覺詞匯表述，最后使用SVM分類器進(jìn)行圖像分類。
　　第二，由于特征包模型中沒有考慮圖像的空間信息，所以本文引進(jìn)空間金字塔模型來改進(jìn)特征包模型。該模型在圖像特征空間上與圖像塊的上下文信息相結(jié)合，進(jìn)行圖像分類的結(jié)果與特征包模型相比有明顯提高。
　　第三，傳統(tǒng)的特征包模型和空間金字塔模型中向量量化方法的誤差比較大，并且圖像分類算法復(fù)雜度比較高，分類所需時(shí)間比較長。為了改進(jìn)向量量化編碼方法和SIFT描述子的不變性，本文分別