圖像分類中高階特征編碼方法的研究.pdf

1、碩士學(xué)位論文圖像分類中高階特征編碼方法的研究ResearchonHighorderFeatureCodingMethodsinImageClassification學(xué)21309025完成日期：201605—09大連理工大學(xué)DalianUniversityofTechnology大連理工大學(xué)碩士學(xué)位論文摘要視覺詞袋模型作為計算機(jī)視覺中最經(jīng)典的模型之一，在圖像分類、圖像檢索、視頻行為識別等方向都具有廣泛的應(yīng)用。特征編碼是視覺詞袋模型中的關(guān)鍵

2、技術(shù)，在很大程度上影響了最終的分類性能。該問題的研究難點在于如何充分利用字典與訓(xùn)練樣本特征分布的信息來設(shè)計有效的編碼方法?，F(xiàn)存的特征編碼方法以低階編碼居多，對于高階特征編碼的研究相對較少。本文重點研究了如何在圖像表達(dá)中挖掘高階信息，提出了兩種新穎的編碼方法。傳統(tǒng)的局部約束線性編碼使用的字典由視覺單詞組成，由于沒有考慮視覺單詞周圍特征分布的幾何結(jié)構(gòu)，因此只是特征空間的分段常量近似。為解決此問題，本文提出了局部約束的仿射子空間編碼(LASC

3、)。LASC將一組低維的線性仿射子空間的集合作為字典，每個子空間使用相應(yīng)的局部坐標(biāo)系(各自的坐標(biāo)原點及其子空間基向量)來刻畫特征空間的局部幾何結(jié)構(gòu)。仿射子空間字典可以看作是對特征分布的分段線性近似，比傳統(tǒng)的視覺單詞字典具有更強(qiáng)的表達(dá)能力。LASC使用局部約束的編碼策略，將特征在近鄰仿射子空間上的線性投影作為一階編碼。同時，本文基于費(fèi)舍爾信息測度提出了二階LASC編碼，充分利用了特征分布的高階信息進(jìn)一步提升性能。針對深層卷積神經(jīng)網(wǎng)絡(luò)特征和

4、大規(guī)模圖像分類問題，本文在傳統(tǒng)的費(fèi)舍爾核的理論基礎(chǔ)上提出了基于高維協(xié)方差字典的費(fèi)舍爾向量編碼(FVCOV)。高維協(xié)方差建模充分利用了卷積神經(jīng)網(wǎng)絡(luò)特征的優(yōu)勢，直接建模原始特征各維度之間的相關(guān)性。相比傳統(tǒng)的費(fèi)舍爾向量使用的對角協(xié)方差的混合高斯模型，協(xié)方差字典不僅更充分的利用了特征分布的二階信息，而且計算方便。由于不需要迭代算法訓(xùn)練字典，該方法避免了高維特征下的字典學(xué)習(xí)帶來的數(shù)值穩(wěn)定性與效率低下等問題。同時，F(xiàn)VCOV的分類性能優(yōu)于傳統(tǒng)的費(fèi)舍

5、爾向量編碼方法，使高維局部特征可以應(yīng)用在大規(guī)模圖像分類問題上。本文使用傳統(tǒng)的手工特征和基于深層卷積神經(jīng)網(wǎng)絡(luò)的特征，對提出的兩種高階特征編碼方法進(jìn)行了大量的實驗評估。LASC相比其他經(jīng)典的特征編碼方法在多個標(biāo)準(zhǔn)的物體識別和場景分類數(shù)據(jù)庫上都具有領(lǐng)先的性能，同時在圖像檢索問題上也取得了具有競爭力的結(jié)果。FVCOV作為一種改進(jìn)的費(fèi)舍爾向量編碼，在諸多大規(guī)模圖像分類數(shù)據(jù)庫上達(dá)到了當(dāng)前最高的準(zhǔn)確率，與同類方法相比在性能與效率兩方面都有較大的優(yōu)勢。