采用上下文金字塔特征的场景分类

被引:40
作者
江悦
王润生
王程
机构
[1] 国防科学技术大学电子科学与工程学院ATR国家重点实验室
关键词
场景分类; 上下文信息; 空间金字塔匹配; 图像块;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
摘要
为了能有效地表述场景图像的语义特性,提出一种基于图像块上下文信息的场景图像分类框架.首先用规则网格将图像分块,并提取每个块的SIFT特征;然后用K均值算法对训练图像的块特征聚类,形成块类型的码本;再根据此码本对图像块进行量化,得到图像的视觉词汇表示,形成视觉词汇图,并在其上建立2类视觉词汇模型:相邻共现的不同视觉词汇对模型和连续共现的相同视觉词汇群模型;最后应用空间金字塔匹配建立视觉词汇的上下文金字塔特征,并采用SVM分类器进行分类.实验结果证明,在常用的场景图像库上,文中方法比已有的典型方法具有更好的场景分类性能.
引用
收藏
页码:1366 / 1373
页数:8
相关论文
共 6 条
[1]
图像检索中语义映射方法综述 [J].
李志欣 ;
施智平 ;
李志清 ;
史忠植 .
计算机辅助设计与图形学学报, 2008, (08) :1085-1096
[2]
SAR图像直线提取 [J].
王程 ;
王润生 .
电子学报, 2003, (06) :816-820
[3]
宽带图像信号的直线提取 [J].
王程 ;
文贡坚 ;
王润生 .
计算机学报, 2002, (07) :753-758
[4]
Distinctive image features from scale-invariant keypoints [J].
Lowe, DG .
INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 60 (02) :91-110
[5]
Modeling the shape of the scene: A holistic representation of the spatial envelope [J].
Oliva, A ;
Torralba, A .
INTERNATIONAL JOURNAL OF COMPUTER VISION, 2001, 42 (03) :145-175
[6]
Unsupervised learning by probabilistic latent semantic analysis [J].
Hofmann, T .
MACHINE LEARNING, 2001, 42 (1-2) :177-196