基于空间语义对象混合学习的复杂图像场景自动分类方法研究

被引：5

作者：

孙显 ^{[1
]}

付琨 ^{[2
]}

王宏琦 ^{[1
]}

机构：

[1] 中国科学院电子学研究所

[2] 中国科学院空间信息处理与应用系统技术重点实验室

来源：

电子与信息学报 | 2011年 / 33卷 / 02期

关键词：

图像处理; 场景分类; 语义对象; 混合学习; 金字塔匹配;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

场景分类是将多幅图像标记为不同语义类别的过程。该文针对现有方法对复杂图像场景分类性能欠佳的不足,提出一种新的基于空间语义对象混合学习的复杂图像场景分类方法。该方法以多尺度分割得到的图像对象而非整幅图像为主体进行产生式语义建模,统计各类有效特征挖掘对象的类别分布信息,并通过空间金字塔匹配,构建包含层次数据和语义信息的中间向量,弥补语义鸿沟的缺陷,训练中还结合判别式学习提高分类器的可信性。在实验数据集上的结果表明该方法具备较高的学习性能和分类精度,适用于多种类型和复杂内容图像的解译,具有较强的实用价值。

引用

页码：347 / 354

页数：8

共 14 条

[1] 面向自然场景分类的贝叶斯网络局部语义建模方法 [J].

程环环 ;

王润生 .

信号处理, 2010, 26 (02) :234-240

[2] 遥感道路的场景感知与分类检测 [J].

杨俊 ;

王润生 .

计算机辅助设计与图形学学报 , 2007, (03) :334-339

[3] 一种基于特征选择的医学图像检索方法 [J].

顾志伟 ;

吴秀清 ;

荆浩 ;

尹东 ;

王艺元 .

中国生物医学工程学报, 2007, (01) :30-34

[4]

Boosting feature selection using information metric for classification[J] . Huawen Liu,Lei Liu,Huijie Zhang.Neurocomputing . 2009 (1)

[5]

Combining feature norms and text data with topic models[J] . Mark Steyvers.Acta Psychologica . 2009 (3)

[6] Semantic modeling of natural scenes for content-based image retrieval [J].

Vogel, Julia ;

Schiele, Bernt .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2007, 72 (02) :133-157

[7] Unsupervised Learning by Probabilistic Latent Semantic Analysis [J].

Thomas Hofmann .

Machine Learning, 2001, 42 :177-196

[8] Representing and recognizing the visual appearance of materials using three-dimensional textons [J].

Leung, T ;

Malik, J .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2001, 43 (01) :29-44

[9]

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)

[10] An introduction to variational methods for graphical models [J].

Jordan, MI ;

Ghahramani, Z ;

Jaakkola, TS ;

Saul, LK .

MACHINE LEARNING, 1999, 37 (02) :183-233

← 1 2 →