-
题名一种基于词袋模型的图像优化分类方法
被引量：22
- 1
-
-
作者
赵春晖
王莹
Masahide KANEKO
-
机构
哈尔滨工程大学信息与通信工程学院
日本东京电气通信大学金子研究室
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2012年第9期2064-2070,共7页
-
基金
国家自然科学基金(61077079)
教育部博士点计划基金(20102304110013)资助课题
-
文摘
该文应用词袋模型对图像进行分类,并针对传统词袋模型存在的不足进行改进,提出了一种基于兴趣区域(Region Of Interest,ROI)提取以及金字塔匹配原理的优化方法。首先对训练图像进行ROI提取,对得到的ROI区域进行密集尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)特征的抽取和描述并生成视觉词典,由此产生的视觉词典更能精确的描述图像的特征,且能够抵抗多变的位置信息及背景信息的影响。其次应用金字塔匹配原理对图像进行基于视觉词典的直方图表示,代入支持向量机(Support Vector Machine,SVM)分类器进行分类。通过对Caltech 101和Caltech 256两个数据库进行实验,结果表明该方法较传统方法提高了分类的正确率,且能够在训练图像较少的情况下达到良好的分类效果。最后通过与现有同类方法的比较验证了该方法的优越性。
-
关键词
图像分类
词袋模型
兴趣提取
金字塔匹配
-
Keywords
Image classification
Bag of Words （BOW） model
Region Of Interest （ROI） extraction
pyramidmatching scheme
-
分类号
TN911.73
[电子电信—通信与信息系统]
-
