基于馬爾科夫隨機(jī)場(chǎng)和模糊集理論的場(chǎng)景分類算法研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展和普及，網(wǎng)絡(luò)圖像數(shù)據(jù)爆炸性增長(zhǎng)。如何對(duì)每天海量增長(zhǎng)的數(shù)字照片和圖片進(jìn)行歸類整理已成為研究的熱點(diǎn)。場(chǎng)景分類技術(shù)是解決此類問(wèn)題的重要途徑。
　　在分類算法中，視覺(jué)詞包模型方法是建立底層視覺(jué)特征到高層場(chǎng)景語(yǔ)義之間映射關(guān)系的樞紐。但是詞包模型有兩個(gè)很大的局限性:一方面，視覺(jué)單詞缺乏明確的含義，另一方面它們通常是多義的。針對(duì)這個(gè)問(wèn)題，本文將基于優(yōu)化視覺(jué)單詞的場(chǎng)景分類算法作為主要研究?jī)?nèi)容，分別研究了特征編碼和提取上下文

2、信息的算法。又考慮到視覺(jué)單詞對(duì)于特定的圖像類別能提供更多的信息這一特點(diǎn)，因此給這些詞賦予更高的權(quán)重可以增強(qiáng)視覺(jué)詞包在圖像分析中的表現(xiàn)。根據(jù)這種想法本文給出了支持向量機(jī)結(jié)合視覺(jué)單詞權(quán)重的分類器設(shè)計(jì)算法。本文主要工作如下:
　　1)給出了基于模糊集理論的空間金字塔視覺(jué)詞包模型的算法
　　該算法以傳統(tǒng)的視覺(jué)詞包模型為基礎(chǔ)，改進(jìn)了FCM算法隸屬度矩陣。根據(jù)圖像塊與聚類中心的距離設(shè)定分配方式，既避免了關(guān)鍵點(diǎn)距離單詞太遠(yuǎn)造成的詞義模糊，

3、又保證了距離相近時(shí)單詞提供的準(zhǔn)確信息。在公共數(shù)據(jù)集上的實(shí)驗(yàn)證明本文算法具有較高的精確度和良好的分類性能。
　　2)給出了一種基于自適應(yīng)先驗(yàn)MRF的視覺(jué)單詞生成算法
　　該算法基于Markov隨機(jī)場(chǎng)理論，將圖像塊在特征域的共生性與空間域的上下文語(yǔ)義關(guān)系有機(jī)地聯(lián)系起來(lái)。首先利用潛在的狄利克里分布模型推出視覺(jué)單詞之間的語(yǔ)義共生信息，然后借鑒最大流最小割算法中的邊界項(xiàng)權(quán)值的計(jì)算方法計(jì)算出控制鄰域間作用強(qiáng)度的參數(shù)。這種方法在一定程度上

4、能夠減緩視覺(jué)單詞出現(xiàn)歧義的弊端，獲得更加準(zhǔn)確的圖像塊視覺(jué)單詞。
　　3)給出了視覺(jué)單詞權(quán)重結(jié)合支持向量機(jī)分類器設(shè)計(jì)的算法
　　該算法首先通過(guò)多項(xiàng)式核函數(shù)分類器和徑向基核函數(shù)分類器獲得分類結(jié)果?；谶@兩種分類器產(chǎn)生的有差異預(yù)測(cè)標(biāo)簽，引入了一種新穎的單詞加權(quán)方法，應(yīng)用加權(quán)歐氏距離函數(shù)來(lái)計(jì)算待分類圖像和訓(xùn)練集圖像的相似性。經(jīng)實(shí)驗(yàn)表明，本算法具有較高的分類準(zhǔn)確性，具有一定的研究?jī)r(jià)值。
　　為了驗(yàn)證改進(jìn)的視覺(jué)詞包應(yīng)用于場(chǎng)景分類算

5、法的分類性能，本文采用四個(gè)數(shù)據(jù)集進(jìn)行驗(yàn)證，數(shù)據(jù)集范圍從通用自然場(chǎng)景圖像(FeiFeiLi-15數(shù)據(jù)集)到人類行為圖像(HB-6場(chǎng)景數(shù)據(jù)集)，以及簡(jiǎn)單的對(duì)象類(MSRC-14數(shù)據(jù)集)和復(fù)雜運(yùn)動(dòng)圖像(UIUC-8數(shù)據(jù)集)，在UIUC-8數(shù)據(jù)集上本文算法的最終準(zhǔn)確率為86％，在FeiFeiLi-15類數(shù)據(jù)集本文算法的最終準(zhǔn)確率為83％，在HB-6數(shù)據(jù)集上本文算法的最終準(zhǔn)確率為93％，在MSRC-14類數(shù)據(jù)集本文算法的最終準(zhǔn)確率為91％。其中，