局部Gist特征匹配核的场景分类

被引：24

作者：

杨昭

高隽

谢昭

吴克伟

机构：

[1] 合肥工业大学计算机与信息学院

来源：

中国图象图形学报 | 2013年 / 18卷 / 03期

关键词：

局部Gist特征; 空间金字塔; 高效匹配核; 场景分类;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对场景分类任务中全局Gist特征粒度较为粗糙的问题,提出一种基于稠密网格的局部Gist特征描述,利用空间金字塔结构加入空间信息,通过引入RGB颜色空间加入颜色信息,并基于词汇包(BOW)模型设计一种高效匹配核来度量局部特征间的相似性,核化特征匹配过程,使用线性SVM完成场景分类。实验考察了不同尺度、方向、粒度和不同匹配核的局部Gist特征以及训练样本集的大小对分类结果的影响,并通过在OT场景图像集上与全局Gist特征和稠密SIFT特征的场景分类结果进行比较,充分说明了本文特征构造方法和分类模型的有效性。

引用

页码：264 / 270

页数：7

共 5 条

[1] Kernel methods in machine learning [J].

Hofmann, Thomas ;

Schoelkopf, Bernhard ;

Smola, Alexander J. .

ANNALS OF STATISTICS, 2008, 36 (03) :1171-1220

[2] Distinctive image features from scale-invariant keypoints [J].

Lowe, DG .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 60 (02) :91-110

[3]

Modeling the Shape of the Scene: A Holistic Representation of the Spatial Envelope[J] . Aude Oliva,Antonio Torralba.International Journal of Computer Vision . 2001 (3)

[4]

Creating efficient codebooks for visual recognition .2 Jurie F,Triggs B. Proceedings ofInternational Conference on Computer Vision . 2005

[5]

Beyond bags of features:spatial pyramidmatching for recognizing natural scene categories .2 Lazebnik S,Schmid C. Procee-dings of IEEE Conference on Computer Vision and Pattern Recog-nition . 2006

← 1 →