基于視覺詞典的PLSA分類器研究與實現(xiàn).pdf

1、在數(shù)字信息飛速猛增的時代，僅僅依靠人類已經(jīng)無法完成圖像數(shù)據(jù)的及時分類和管理。人們需要成熟穩(wěn)定的圖像處理技術(shù)來應(yīng)對大量的圖像數(shù)據(jù)。隨著計算機CPU處理能力的增加和圖像處理等相關(guān)學科的發(fā)展，圖像分類在圖像搜索，視頻安全等領(lǐng)域都有了深入研究和創(chuàng)新應(yīng)用。
　　在圖像分類中，存在兩方面的因素影響著圖像分類的性能。第一個是圖像的采集過程中受到的客觀影響。由于實際采集圖像的過程存在差異，同一種事物在圖像上存在著光照、尺度和旋轉(zhuǎn)、遮擋等情況。如果

2、對這些噪聲過濾不當，可能會隱蔽有用數(shù)據(jù)并且增加算法的計算負荷，最后使得圖像的分類精度下降。第二是選擇分類器的主觀影響。分類器種類繁多，它們具有不同的計算過程和性能。監(jiān)督算法需要手動標注樣本才能獲得高精度分類效果。無監(jiān)督算法則是在其適用范圍內(nèi)通過自適應(yīng)將數(shù)據(jù)進行自動分類。因此我們需要根據(jù)具體情況來選擇適當?shù)姆诸惙椒?，實現(xiàn)高分類精度的目標。
　　考慮上述影響分類性能的因素，本文對局部特征、圖像表示模型和無監(jiān)督分類方法進行了研究。為了處

3、理仿射形變、多尺度變化、部分遮擋以及相同對象之間細微差異等噪聲，本文使用局部特征和視覺詞典來解決這一問題，并建立了基于視覺詞典的圖像表示模型。在此基礎(chǔ)上，為了實現(xiàn)分類器的自動分類而不耗費過多人工標注工作，本文的分類器選擇概率潛在語義分析即PLSA(Probability Latent Semantic Analysis)算法。該分類器以無監(jiān)督的方式得到圖像的主題類別。在無監(jiān)督分類算法對比實驗中，PLSA無監(jiān)督分類器的精度更為穩(wěn)定，抗干擾