基于視覺短語的圖像分類方法研究.pdf

1、隨著網(wǎng)絡技術的飛速發(fā)展，數(shù)字圖像的數(shù)量呈幾何趨勢劇增，如何對海量的圖像信息進行快速、準確的分類，逐漸成為計算機視覺領域的研究熱點之一。在各種圖像分類方法中，Bag of Words(BoW)模型備受關注，應用最廣。本文通過分析詞袋模型，對該模型從以下幾個方面進行改進：
　　首先，針對傳統(tǒng)的詞袋模型只是統(tǒng)計單個視覺單詞，忽略了視覺單詞之間的空間關系，本文提出構造視覺短語用于圖像的表示方法。在獲得視覺單詞之后，將視覺單詞與其鄰域空間內

2、的視覺單詞排列編碼，從而形成視覺短語，作為圖像的特征。經(jīng)實驗分析可得，通過對視覺單詞之間加入空間關系形成視覺短語用于圖像的分類，取得了較好的分類準確率。
　　其次，針對詞袋模型統(tǒng)計的視覺單詞中，含有部分無用的以及對分類產(chǎn)生影響的視覺單詞，本文提出了一種提取有效視覺單詞的方法——支持區(qū)域探測法。通過支持區(qū)域探測的方法，獲取支持圖像分類的區(qū)域，提取該區(qū)域上有效的視覺單詞形成視覺詞典。使用具有相對明確語義信息的視覺單詞來生成視覺詞典，使