基于局部特征的圖像分類方法研究.pdf

1、圖像自動(dòng)分類是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)研究熱點(diǎn)。圖像分類的關(guān)鍵技術(shù)在于特征提取和基于特征的分類。近年來(lái)，局部特征描述憑借其出色的穩(wěn)定性和可區(qū)分性，受到越來(lái)越多學(xué)者的重視，并且成功地應(yīng)用于計(jì)算機(jī)視覺(jué)的多種應(yīng)用中。在利用局部特征對(duì)圖像描述時(shí)，每幅圖像被分解成很多部分，每個(gè)部分對(duì)應(yīng)一個(gè)特征向量。這樣區(qū)別于全局特征描述每幅圖像對(duì)應(yīng)一令特征向量，利用局部特征描述時(shí)每幅圖像對(duì)應(yīng)一個(gè)特征向量集合。然而，由于傳統(tǒng)的相似度度量以及分類算法都是基于全局特征設(shè)計(jì)

2、的，因此，在我們對(duì)基于局部特征描述的圖像進(jìn)行分類時(shí)，存在著很多的問(wèn)題和挑戰(zhàn)。例如：如何度量?jī)蓚€(gè)特征向量集合之間的相似度，如何將傳統(tǒng)的學(xué)習(xí)算法應(yīng)用于局部特征描述的圖像分類等等。 本文從局部特征出發(fā)，分別對(duì)局部特征的提取方法以及基于局部特征的圖像分類方法進(jìn)行研究和討論，并將局部特征應(yīng)用于遙感圖像的目標(biāo)定位中。本文的主要工作和貢獻(xiàn)包含以下幾個(gè)方面： 1.對(duì)目前主要的基于局部特征學(xué)習(xí)分類的算法進(jìn)行了研究，針對(duì)傳統(tǒng)基于“詞袋”的圖

3、像分類算法中的不足，本文進(jìn)行了一系列的改進(jìn)。在訓(xùn)練的過(guò)程中，我們采用TF-IDF算法結(jié)合“區(qū)分度”函數(shù)對(duì)“詞典”中的每個(gè)“單詞”進(jìn)行加權(quán)，以區(qū)分每個(gè)“單詞”在圖像分類中的作用；此外，本文采用改進(jìn)的層次化k-means聚類算法代替?zhèn)鹘y(tǒng)的k-means聚類，以提高學(xué)習(xí)速度。建立遙感圖像目標(biāo)數(shù)據(jù)庫(kù)，并將基于“詞袋”的圖像分類算法應(yīng)用遙感圖像分類。 2.將局部特征應(yīng)用于遙感圖像領(lǐng)域。針對(duì)遙感圖像中的目標(biāo)定位，提出了基于局部特征分類的目標(biāo)

4、定位框架流程。首先采用快速的顯著性區(qū)域提取算法，去除大面積背景區(qū)域，提取感興趣目標(biāo)候選區(qū)域；然后對(duì)于提取出來(lái)的感興趣目標(biāo)候選區(qū)域進(jìn)行局部特征提??；最后將候選區(qū)域作為測(cè)試圖像進(jìn)行基于局部特征的圖像分類，從而實(shí)現(xiàn)感興趣目標(biāo)定位。由于該流程采用了快速的顯著性區(qū)域提取方法提取目標(biāo)候選區(qū)域，并利用基于局部特征的圖像分類對(duì)候選區(qū)域進(jìn)行進(jìn)一步的分類判別，從而實(shí)現(xiàn)了定位精度和定位速度上的兼顧。 3.針對(duì)遙感圖像的目標(biāo)定位，提出了一種快速的顯著性