基于局部特征提取的場景分類算法研究.pdf

1、隨著互聯(lián)網技術的迅猛發(fā)展和普及，網絡中的圖像數(shù)據(jù)呈幾何級增長。面對如此大量的圖像資源，如何快速而有效地對其進行監(jiān)督和管理已成為研究的熱點。而解決此類問題的重要途徑就是場景分類技術。場景分類旨在通過計算機將海量圖像數(shù)據(jù)自動地標注為不同的類別，從而實現(xiàn)圖像的自動分類。它能夠克服人工分類中的工作量大、效率低、成本高、疲勞和容易誤判等難題，具有重要的研究價值。場景分類的核心問題是如何利用低層特征得到圖像的類別信息，而提取圖像的局部特征是解決這個

2、問題的一個重要研究突破口。緊緊圍繞場景分類的目的，本文將基于局部特征提取的場景分類算法作為主要研究內容，分別研究了局部特征提取算法和特征編碼算法。本文的研究工作主要集中在以下四個方面：
　　1.研究了密集SIFT特征提取算法，針對特征向量缺少旋轉不變性的問題進行了改進。首先，計算多個方向的梯度響應，然后尋找主方向，再對特征描述子進行方向歸一化，使最終得到的特征描述子具有了一定的旋轉不變性，提高了特征提取算法的魯棒性。
　　2

3、.研究了協(xié)方差矩陣特征提取算法，針對其計算量較大的問題，在結合了密集網格采樣框架之后，對其進行了改進。在圖像上劃分密集的網格，然后分別計算協(xié)方差矩陣特征描述子。在減少了計算量的同時，又保證了提取特征的準確性，提高了算法的性能。
　　3.研究了局部約束線性編碼算法，針對其編碼過程中碼本映射存在模糊性的問題進行了改進。在編碼過程中加入了判別準則閾值，使編碼算法有一定的自適應性。改進后的算法使碼本能夠更加準確地重建特征向量，在提高分類性