局部Gist特征匹配核的场景分类.pdf

局部Gist特征匹配核的场景分类.pdf

ID:55806949

大小:1000.94 KB

页数:7页

时间:2020-06-03

局部Gist特征匹配核的场景分类.pdf_第1页
局部Gist特征匹配核的场景分类.pdf_第2页
局部Gist特征匹配核的场景分类.pdf_第3页
局部Gist特征匹配核的场景分类.pdf_第4页
局部Gist特征匹配核的场景分类.pdf_第5页
资源描述:

《局部Gist特征匹配核的场景分类.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第18卷第3期中国图象图形学报Vo1.18.No.32013年3月JournalofImageandGraphicsMar.,2013中图法分类号:TP391.4文献标识码:A文章编号:1006.8961(2013)03.0264.07论文引用格式:杨昭,高隽,谢昭,吴克伟.局部Gist特征匹配核的场景分类[J].中国图象图形学报,2013,18(3):264.270局部Gist特征匹配核的场景分类杨昭,高隽,谢昭,吴克伟合肥工业大学计算机与信息学院,合肥230009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

2、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问的相似性,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。关键词:局部Gist特征;空间金字塔;高效匹配核;场景分类Scenecategorizationoflo

3、calGistfeaturematchkernelYangZhao,GaoJun,XieZhao,WuKeweiSchoolofComputerandInformation,HefeiUniversityofTechnology,Hefei230009,ChinaAbstract:DuetothecoarsefinenessofglobalGistfeaturesinscenecategorizationtasks,weproposealocalGistfeaturedescriptionbasedonadensegrid.Itusesas

4、patialpyramidstructuretoadddistributioninformationandintroducestheRGBcolorspacetoaddcolorinformation.Thefeaturematchingprocessiskernelizedbyanefficientmatchkernelwhichmea—suresthesimilaritybetweenlocalfeaturesbasedontheBOWmode1.Thescenecategorizationtaskcanbedonewithlinear

5、SVM.ExperimentshowstheinfluencetotheclassificationaccuracywithlocalGistfeatureswhichhavedifferentscale.orientation,fineness,matchkernelsandnumbersoftrainingsamples.ByusingtheclassificationresultoftheglobalGistfeatureanddenseSIFTfeaturesontheOTscenedataset,wedemonstratethat

6、theproposedfeatureconstructionmethodandclassificationmodelareefficient.Keywords:localGistfeature;spatialpyramid;efficientmatchkernel;sceneclassification局部语义概念法和全局语义建模法,其中后两种0引言方法无需对场景内容进行分割和标注。局部语义概念法使用关键点周围的局部描述子对场景建模场景分类是计算机视觉和图像理解领域的一个来完成分类任务,最有代表性的是词汇包⋯重要研究方向,其本质是对场景图像

7、进行某种量化(BOW)模型。BOW模型将每个局部特征用最接分析,由给定的一组语义类别对图像数据库进行自近的视觉词汇表示,视觉词汇形成视觉词典或码动标注。本,再根据其统计直方图表征场景,用直方图交集基于图像中层语义建模的场景分类是目前常等方法度量场景图像间的相似性。生成视觉词汇用且有效的一类方法,主要包括语义对象分割法、的方法有很多种J,最常用的是k-means聚类。针收稿日期:2012*07.12;修回日期:2012—09—11基金项目:国家自然科学基金项目(60905005,6875012,61273237);教育部博士点基金项目(200

8、901l1110015)第一作者简介:杨昭(1989一),男,2010年合肥工业大学在读电子信息工程硕士研究生,主要研究方向为图像理解、人工智能、模式识别。E—mail:yang

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。