基于特征編碼的圖像檢索與分類研究.pdf

1、在這個高度信息化的時代，隨著計算機(jī)視覺領(lǐng)域的高速發(fā)展，每天獲得圖像的數(shù)量急劇上升，如何對這些圖像進(jìn)行有效的處理，來獲得人們感興趣的圖片，這是一個重要課題。本文中側(cè)重于研究檢索和分類兩個方面，檢索就是從海量的圖片中找到需要的目標(biāo)圖像，怎么運用有效的檢索方法縮減計算復(fù)雜度并且保證檢索準(zhǔn)確率是一個難點也是一個重點，本文提出了一種圖像檢索重排序的算法；文章中的分類是一種細(xì)分類，細(xì)分類要比一般的圖像分類難度更大，它是同種大類別下的小分類（如分出各

2、種鳥類），具有相似的外形或者相似的視覺表現(xiàn)。本文的主要研究成果如下：
　　1.提出了一種圖像檢索重排序方法。該方法首先對圖像進(jìn)行了 SLIC超像素分割，分別提取一個超像素塊的RGB、LBP特征，然后分別在兩個特征空間下對超像素塊編碼，最后通過一定的組合方式來獲取超像素塊的組合編碼，把這個編碼作為圖像的編碼表示，計算相似度獲得圖像檢索初排序。對于重排序主要使用了兩種方式進(jìn)行實現(xiàn)：第一種是基于加權(quán)SVM分類器的圖像檢索重排序，運用Bo

3、osting優(yōu)化思想，選擇比較好的分類器組成強(qiáng)分類器對圖像進(jìn)行重排序；第二種是基于多示例算法的圖像檢索重排序，用mi-SVM對正負(fù)包進(jìn)行訓(xùn)練，再對所有圖像進(jìn)行測試，用它們的概率來對圖像進(jìn)行重排序。
　　2.提出了基于Fisher Vector的圖像細(xì)分類方法。該方法首先需要根據(jù)特征點建立混合高斯模型，然后在訓(xùn)練樣本中獲取模板，再對這些模板進(jìn)行Fisher矢量的表示。圖像編碼采用了兩種方式進(jìn)行實現(xiàn)：第一種是基于空間金字塔的圖像編碼方