基于Fisher Kernel的圖像特征學(xué)習(xí)研究.pdf

1、在如今數(shù)據(jù)爆炸的時代，如何對數(shù)據(jù)進行有效的分類篩選，從而準確獲取符合用戶需求的有價值的信息成為人們面臨的主要問題。在所有的數(shù)據(jù)類型中，圖像是其中最常見的一種，且有著信息量大以及便于理解等特點，因而針對圖像的分析與理解逐漸成為研究的熱點。其主要的研究方向包括圖像分類、圖像檢索以及目標識別等，它們有著各自不同的研究內(nèi)容和目的，但相互之間也有所關(guān)聯(lián)。
　　由于圖像數(shù)據(jù)量大及其非結(jié)構(gòu)化等特性，幾乎所有的圖像分析與理解任務(wù)都不能直接在原圖像

2、上進行像素級的分類識別等操作，需要將圖像表示為易于處理的特征向量。這種圖像特征表達的好壞直接影響了圖像分析與理解的結(jié)果，特征構(gòu)建方法也由數(shù)字圖像處理發(fā)展到特征學(xué)習(xí)領(lǐng)域，不同于前者的手工構(gòu)建特征，特征學(xué)習(xí)是在給定數(shù)據(jù)集上進行監(jiān)督或非監(jiān)督的機器學(xué)習(xí)得到需要的特征表達。
　　在眾多的特征學(xué)習(xí)方法中，F(xiàn)isher Kernel方法利用高斯混合模型在圖像局部特征上構(gòu)建特征碼本，并通過求解模型上的對數(shù)似然梯度得到全局的特征表示，相對于其他模型

3、在圖像表達的全面性和判別性方面都展現(xiàn)了很大優(yōu)勢，同時，F(xiàn)isher Kernel作為一類標準的特征學(xué)習(xí)框架在兼容性和擴展性方面都有著巨大的潛力。因此，基于Fisher Kernel的圖像特征學(xué)習(xí)方法的研究具有重要意義。
　　本文首先對基本的Fisher Kernel方法進行改進，引入多碼本概念，提高視覺詞之間的區(qū)分度，并根據(jù)不同尺度圖像攜帶信息不同的特性，提出一種多尺度多碼本的圖像表達方法，得到效果更好的特征。另外，利用近年發(fā)展起

4、來的卷積神經(jīng)網(wǎng)絡(luò)，提出跨卷積層池化的Fisher Kernel圖像特征表達，充分利用了卷積網(wǎng)絡(luò)的內(nèi)在特性并融合了兩者的優(yōu)勢得到新的特征表達。本文的主要貢獻如下:
　　(1)由于基本的Fisher Kernel模型存在單一碼本限制特征表達效果的問題，本文針對該問題提出多碼本聯(lián)合編碼，利用碼本間的差異化提供更加全面的特征表達，同時在輸入端將不同尺度的圖像與不同碼本相對應(yīng)，構(gòu)建了完整的多尺度多碼本圖像表達體系，進一步提升了表達效果。