欢迎来到天天文库
浏览记录
ID:55727129
大小:1.49 MB
页数:11页
时间:2020-06-01
《集成多特征与稀疏编码的图像分类方法.pdf》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库。
1、第27卷第4期模式识别与人工智能Vol_27No.42014年4月PR&AIApr.2014集成多特征与稀疏编码的图像分类方法术罗会兰郭敏杰孔繁胜(江西理工大学信息工程学院赣州341000)(浙江大学计算机科学与技术学院杭州310027)摘要采用单一特征时存在提取信息量不足、对图像内容描述较片面等问题,单一编码方法在组织特征向量时也会对图像造成过多的信息丢失.针对这些问题,文中提出一种集成多特征与稀疏编码方法.首先,对图像进行空间金字塔划分,结合尺度不变特征和梯度方向直方图特征之间的优势互补性,提取得到不同的特征集.然后,在不同的特征集上用不同的聚类方法得到不同的视觉词汇
2、本,在每个词汇本上分别进行局部稀疏编码和稀疏编码,得到不同的图像描述集.最后,利用线性SVM进行图像分类,并对得到的多个结果采用投票决策方法决定最终分类情况.实验表明文中方法有良好的准确性和鲁棒性.关键词图像分类,空间金字塔,集成,多特征组合,稀疏编码中图法分类号TP391.41ImageClassificationMethodbyCombiningMulti-featuresandSparseCodingLUOHui—Lan,GUOMin.Jie,KONGFan—Sheng(FacultyofInformationEngineering,JiangxiUniversit
3、yofScienceandTechnology,Ganzhou341000)(CollegeofComputerScienceandTechnology,ZhefiangUniversity,Hangzhou310027)ABSTRACTUsingasingleimagefeaturetodescribetheimagecontentisone—sidedbecauseoftheinsufficientinformation.Besides,thesinglecodingmethodusuallylosesthespatialinformation.Tosolvethes
4、eproblems,anapproachofintegratingmulti-featuresandsparsecodingmethodsisproposed.Imagesarefirstlydividedintosubregionsaccordingtothespatialpyramid,andthenthecomplementaryadvantagesofscaleinvariantfeaturetransformandthehistogramoforientedgradientsfeaturesarecombinedtoproducevariousfeaturese
5、ts.Then,differentclusteringmethodsareusedondifferentfeaturesetstoacquiredifferentcodebooks.Next,twosparsecodingmethods,localityconstrainedlinearcodingandsparsecodingbasedoneachcodebookarefurtheremployedrespectivelytogetvariousimagedescriptionsets.Finally,linearsuppo~vectormachinesareappli
6、edtoimageclassification,andavotingmethodisusedtodeterminethefinalclassification.Experimentalresultsshowthattheproposedmethodhasgoodaccuracyandrobustnesscomparedwithsomestate—of-the—artmethods.$国家自然科学基金项目(No.61105042)、国家973计划项目(No.2010CB327900)、江西省教育厅科技项目(No.GJJ13421)资助收稿日期:2013-01-22;修回日期
7、:2013—04—22作者简介罗会兰(通讯作者),女,1974年生,博士后,教授,主要研究方向为机器学习、模式识别.E—mail:luohuilan@sina.com.郭敏杰,女,1989年生,硕士研究生,主要研究方向为模式识别.孑L繁胜,男,1946年生,教授,博士生导师,主要研究方向为人工智能、知识发现.模式识别与人工智能27卷KeyWordsImageClassification,SpatialPyramid,Integration,Multi-featureCombination,SparseCoding1引言Codi
此文档下载收益归作者所有