基于融合空間信息LDA的視覺對象識別研究.pdf

1、隨著計算機網(wǎng)絡的迅速發(fā)展,我們可以獲得巨大的圖像資源,同時也面臨著計算機視覺研究的巨大挑戰(zhàn),即如何找到有效的方法來自動標注圖像,減少手工標注所消耗的人力資源和人為傾向性,并且提高檢索圖像的準確率。圖像的語義理解是解決這類問題的關鍵。近年來很多學者將廣泛用于自然語言處理的潛在狄利克雷分布模型(LDA)引入圖像對象識別中,該模型便于圖像的語義理解,但是也存在弊端:它假設每個詞匯所對應的主題是條件獨立產(chǎn)生的。根據(jù)圖像本身的特性,圖像的空間信息

2、對圖像物體識別有重要作用,視覺詞匯所對應主題的生成與其相鄰區(qū)域主題的產(chǎn)生有一定的依賴關系,所以本文提出融合空間信息LDA模型用于圖像視覺詞匯主題的產(chǎn)生過程,并使用SVM分類器對得到的每幅圖像所對應的主題分布比例進行分類,從而完成圖像對象識別。
　　首先,對圖像提取特征。本文使用了兩種圖像特征:SIFT特征、HOG特征。將提取的SIFT特征與HOG特征分別使用online-Kmeans算法聚類。最后將每幅圖像的特征表示成聚類得到視覺

3、詞匯表索引號形式。
　　其次,設計融合空間信息LDA模型,即將條件隨機場(CRF)融合進LDA模型中。在隱含層引入條件隨機場,使得每個視覺詞匯所對應主題的產(chǎn)生依賴于其相鄰視覺詞匯的主題。針對該模型提出需要優(yōu)化的目標函數(shù),使用EM算法和變分推理算法對模型的參數(shù)進行估計。此外還對原LDA模型使用Gibbs采樣算法估計模型參數(shù)。
　　最后,使用訓練好的模型對測試圖像進行測試,得到每幅圖像中視覺詞匯所對應的主題分配,同時也得到每幅圖