基于顏色詞袋模型的圖像表示方式.pdf

1、對象識別是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)基本問題，生成有判別力的圖像表示是解決這個(gè)問題的一種重要方法。詞袋模型(Bag-of-Words，BOW)是一種常用的圖像表示方式，它把局部的特征抽象成為視覺詞，通過統(tǒng)計(jì)視覺詞在圖像中出現(xiàn)的頻率來進(jìn)行圖像表示。目前，BOW的主要問題包括只考慮了形狀特征和沒有引入空間信息等問題。本文針對這些問題，利用顏色作為發(fā)現(xiàn)對象區(qū)域的手段，融合形狀和顏色特征生成了更有判別力的圖像表示。本文取得的主要研究成果如下:

2、　　(1)提出了顏色合并的圖像表示方法。此方法用圖像塊的顏色給形狀特征加權(quán)，并且能夠通過對對象顏色的估計(jì)與合并，在圖像表示的時(shí)候給對象上的圖像塊賦予相同的高權(quán)值。算法認(rèn)為對象是有判別力顏色的圖像塊集合，但是由于這些有判別力的顏色出現(xiàn)的概率不同，導(dǎo)致了對象上的圖像塊不能夠被賦予相同的高權(quán)值，算法通過對類內(nèi)和類間顏色相似性的判斷，以優(yōu)化的方式得到了每個(gè)類別中有判別力的顏色，最后通過合并顏色給圖像塊賦權(quán)值。實(shí)驗(yàn)結(jié)果證明了提出的圖像表示方法的優(yōu)

3、越性。
　　(2)提出了上下文顏色注意力圖的圖像表示方式。該方法把所有的顏色分為兩種，即強(qiáng)顏色和弱顏色，相應(yīng)的，擁有這兩種顏色的圖像塊被稱為強(qiáng)圖像塊和弱圖像塊。其中強(qiáng)圖像塊都是對象上的圖像塊，弱圖像塊被認(rèn)為是背景上的圖像塊。為了識別出對象上的圖像塊，我們利用強(qiáng)圖像塊和弱圖像塊的上下文位置關(guān)系，計(jì)算出上下文顏色注意力值，并通過優(yōu)化得到上下文顏色注意力閾值來判斷出對象上的偽弱圖像塊。實(shí)驗(yàn)結(jié)果表明，我們提出的基于上下文顏色注意力的對象識

4、別方法能夠比自頂向下的顏色注意圖(ColorAttention，CA)方法獲得更好的識別效果。
　　(3)提出了基于成分金字塔匹配（Component Pyramid Matching，CPM）的圖像表示方法，CPM利用顏色對圖像進(jìn)行分層，每層的前景和背景代表著不同的成分，前景成分通常對應(yīng)著對象的一部分，最后把不同成分的表示連接起來作為最終的圖像表示。CPM的劃分方法能夠?yàn)閳D像表示提供空間信息，在與顏色相關(guān)的圖像庫中取得了良好的識

5、別效果
　　(4)提出了一種中間層特征的層次挖掘方法。該方法首先用有判別力的顏色對圖像進(jìn)行層次劃分，然后把每一個(gè)層次中的圖像塊認(rèn)為是一個(gè)子類，通過挖掘子類中圖像塊的特征發(fā)現(xiàn)圖像中的模式，最終用模式集代替視覺詞來表示圖像。這種方法有利于發(fā)現(xiàn)不同層次中特征之間的關(guān)系，實(shí)驗(yàn)結(jié)果證明了提出方法的有效性。
　　(5)提出了一種基于多圖像匹配的圖像表示方式。該方法把圖像塊認(rèn)為是節(jié)點(diǎn)，每一個(gè)節(jié)點(diǎn)與其近鄰的節(jié)點(diǎn)相連用于生成圖。同類圖像中能夠

6、匹配的子圖即為對象所在的區(qū)域。我們采用了一種種子-膨脹的策略進(jìn)行多圖像的匹配。把有判別力的顏色作為了判斷種子的重要依據(jù)。接下來用得到的匹配集圖來匹配所有的圖像用于找到對象上的圖像塊。最終，這些圖像塊的特征被用于圖像表示。實(shí)驗(yàn)結(jié)果驗(yàn)證了所提方法的優(yōu)越性。
　　基于顏色合并與上下文顏色注意力圖的方法主要是利用顏色作為形狀特征加權(quán)的依據(jù)，而成分金字塔與層次挖掘的方法則把顏色作為劃分層次的標(biāo)準(zhǔn)，用以為圖像表示增加空間信息。最后，提出的多圖