基于优化空间金字塔匹配模型的图像分类
DOI:
CSTR:
作者:
作者单位:

华中师范大学 计算机学院 武汉 430079

作者简介:

通讯作者:

中图分类号:

TP391; TN919

基金项目:

国家社会科学基金(13BTQ050)、2016年华中师范大学研究生教育创新项目(2016CXZZ084)资助


Image classification based on optimized spatial pyramid matching model
Author:
Affiliation:

School of Computer, Central China Normal University, Wuhan 430079, China

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    基于空间金字塔匹配模型(SPM)的图像分类中,构建视觉词直方图时对图像中所有特征都是同等对待,没有考虑到图像中不同区域特征的影响因子。显然,图像中目标区域比背景区域的特征重要性要大,为了避免图像中不重要区域的特征给图像分类带来干扰,提出了一种优化空间金字塔模型的图像分类方法。首先利用模拟退火算法与遗传算法相结合的聚类算法(SAGA)构造视觉词典,然后利用视觉注意机制构造加权的视觉词直方图。该方法在不丢失图像的全局信息的情况下,还考虑到了图像中各个区域对图像分类的重要性。最后将图像的表示向量使用SVM训练和分类。实验表明,本方法能够提高图像分类的准确率。

    Abstract:

    In the image classification based on the spatial pyramid matching model, all the features in the image are treated equally when the histogram of visual words are constructed, without considering the influence factors of the different regions in the image. Obviously, the target area in image is more important than the background area. In order to avoid that the features of the nonimportant area in the image bring interference, this paper proposes an image classification method to optimize the spatial pyramid model. Firstly, a visual dictionary is constructed by using a clustering algorithm combined with a simulated annealing algorithm and a genetic algorithm. Then, a weighted visual word histogram is constructed using the visual attention mechanism. This method also takes the importance of classifying the images in each region of the image into account without losing the global information of the image. Finally, SVM is used to train and classify the representation vectors of images. Experimental results show that the proposed method can improve the accuracy of image classification.

    参考文献
    相似文献
    引证文献
引用本文

柯善武,金聪.基于优化空间金字塔匹配模型的图像分类[J].电子测量技术,2017,40(7):95-99

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2017-08-15
  • 出版日期:
文章二维码