基于集合表示的圖像分類.pdf

1、圖像分類的實(shí)質(zhì)性問題是識(shí)別圖像中的物體或目標(biāo)，這就需要準(zhǔn)確的對(duì)圖像中的視覺信息進(jìn)行描述。局部信息由于其對(duì)背景細(xì)節(jié)、光照等外在條件的魯棒性使其成為目前特征表示的主流，尤其是在尺度不變特征變換以及基于尺度不變特征變換各種改進(jìn)算法出現(xiàn)之后。然而不同圖像局的部特征的個(gè)數(shù)往往不相同，不適于直接在局部特征上進(jìn)行分類和檢索等后續(xù)操作，因此在圖像的局部特征集合上需求統(tǒng)一的集合表示方法。
　　集合表示就是用一定的方法對(duì)圖像提取的所有局部特征點(diǎn)進(jìn)行操

2、作，形成一個(gè)矢量來表示該圖像。本文的主要工作和貢獻(xiàn)如下：
　　首先，本文從圖像的集合表示角度，詳細(xì)闡述了三種集合表示方法即詞袋模型、高效匹配核和局部聚合描述符，并且基于這三種集合表示方法在本文選定的數(shù)據(jù)庫上做了大量實(shí)驗(yàn)，驗(yàn)證三種集合表示方法的分類性能。
　　其次，驗(yàn)證不同的聚類算法和聚類中心個(gè)數(shù)對(duì)最新提出的局部聚合描述符圖像集合表示方法適用性。本文根據(jù)聚類中心個(gè)數(shù)的選定方式和局部特征的分配方式的不同，選用K-means、仿射

3、傳播算法和高斯混合模型三種聚類算法。
　　最后，對(duì)局部聚合描述符提出自己的改進(jìn)方法。在本文全面研究了歸一化和pooling兩種操作對(duì)局部聚合描述符的作用和有效性。歸一化的方式選用power-law和L2范數(shù)，pooling方法采用sum pooling、average pooling和廣義的max pooling。
　　PPMI、Caltech-101和Scene-15分別是關(guān)于動(dòng)作、物體和場(chǎng)景的數(shù)據(jù)庫，在這三個(gè)數(shù)據(jù)庫上驗(yàn)證