基于LDA主題模型的圖像場景分類研究.pdf

1、圖像分類作為計算機視覺領域研究的方向之一，是其他圖像應用領域的基礎。此類問題的一個重要解決途徑就是圖像場景分類技術。本文主要針對現(xiàn)有的基于LDA主題模型圖像場景分類技術中存在的一些問題，提出新的改進的方法，以提高LDA主題模型對圖像場景分類的準確率和執(zhí)行效率。
　　潛在狄利克雷分布(Latent Dirichlet Allocation，LDA)主題模型是當前廣泛使用的一種圖像處理方法，它將圖像的底層局部特征抽象成為視覺單詞，生成

2、視覺詞典，統(tǒng)計視覺單詞出現(xiàn)的頻率進而建立中層語義表示模型，對圖像進行表示。之后通過分類器自動標記圖像場景標簽，實現(xiàn)圖像的自動分類。
　　針對傳統(tǒng)模型在進行圖像場景識別時存在的問題，本文進行了如下研究:
　　1.針對傳統(tǒng)模型在進行圖像場景識別時使用的聚類方法效率較低的問題，采用K-Means++聚類算法生成視覺單詞。
　　2.傳統(tǒng)方法表示圖像時未考慮單詞的權重問題，使得學習得到的主題分布傾向高頻詞，針對視覺單詞出現(xiàn)的冪律

3、分布問題，本文使用加權統(tǒng)計直方圖進行圖像表示。
　　3.在進行圖像場景識別時不能有效利用圖像主要特征的問題，引入特征函數(shù)，在圖像場景識別模型的方法中加強重要特征在分類識別中的作用，提出有特征函數(shù)的潛在狄利克雷分布(Featured Latent Dirichlet Allocation，F(xiàn)LDA)主題模型，提高圖像場景的分類和識別效率。
　　4.LDA模型中的參數(shù)很難直接估計，針對這個問題，提出了一種改進的變分推理方法，即快