資源描述：
《用于圖像場(chǎng)景分類(lèi)的空間視覺(jué)詞袋模型》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、第３８卷第８期２０１１年８月計(jì)算機(jī)科學(xué)Ｖｏｌ．３８ＮＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅＡｕｇ２０用于圖像場(chǎng)景分類(lèi)的空間視覺(jué)詞袋模型王宇新１郭（大連理工大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院禾２何昌欽１馮振１，２賈棋２大連１１６０２３）１（大連理工大學(xué)軟件學(xué)院大連１１６６２０）２摘要以傳統(tǒng)的詞袋模型為基礎(chǔ)，根據(jù)同類(lèi)場(chǎng)景圖像具有空間相似性的特點(diǎn)，提出了一種用于圖像場(chǎng)景分類(lèi)的空視覺(jué)詞袋模型。首先將圖像進(jìn)行不同等級(jí)的空間劃分，針對(duì)對(duì)應(yīng)空間子區(qū)域進(jìn)行特征提取和ｋ均值聚類(lèi)，形成該區(qū)的視覺(jué)關(guān)鍵詞，進(jìn)而構(gòu)建整個(gè)訓(xùn)練圖像集的空間視覺(jué)詞典。進(jìn)行場(chǎng)景識(shí)別時(shí)，將所有空間子區(qū)域的視覺(jué)關(guān)鍵詞連接一個(gè)全局特征向量
2、進(jìn)行相似度計(jì)算。最終的場(chǎng)景分類(lèi)結(jié)果使用Ｖ１濾波器和ＰＡＣＴ?xún)煞N特征在支持向量機(jī)ＬＩＢＳＶ上獲得。關(guān)鍵詞場(chǎng)景分類(lèi)，詞袋，空間聚類(lèi)，空間視覺(jué)詞典，支持向量機(jī)中圖法分類(lèi)號(hào)文獻(xiàn)標(biāo)識(shí)碼ＴＰ３０１ＡＢａｇｏｆＳｐａｔｉａｌＶｉｓｕａｌＷｏｒｄｓＭｏｄｅｌｆｏｒＳｃｅｎｅＣｌａｓｓｉｆｉｃａｔｉｏｎＷＡＮＧＹｕ－ｘｉｎ１ＧＵＯＨｅ２ＨＥＣｈａｎｇ－ｑｉｎ１ＦＥＮＧＺｈｅｎ１，２ＪＩＡＱｉ２（ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＤａｌｉａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｄａｌｉａｎ１１６０２３，Ｃｈｉｎａ）１（ＳｃｈｏｏｌｏｆＳ
3、ｏｆｔｗａｒｅ，ＤａｌｉａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｄａｌｉａｎ１１６６２０，Ｃｈｉｎａ）２ＡｂｓｔｒａｃｔＡｎａｐｐｒｏａｃｈｔｏｒｅｃｏｇｎｉｚｅｓｃｅｎｅｃａｔｅｇｏｒｉｅｓｂｙｍｅａｎｓｏｆａｎｏｖｅｌｍｏｄｅｌｎａｍｅｄｂａｇｏｆｓｐａｔｉａｌｖｉｓｕａｌｗｏｒｄｓｗａｐｒｏｐｏｓｅｄ．Ｉｍａｇｅｓｗｅｒｅｈｉｅｒａｒｃｈｉｃａｌｌｙｄｉｖｉｄｅｄｉｎｔｏｓｕｂｒｅｇｉｏｎｓａｎｄｔｈｅｓｐａｔｉａｌｖｉｓｕａｌｖｏｃａｂｕｌａｒｙｗａｓｃｏｎｓｔｒｕｃｔｅｄｂｇｒｏｕｐｉｎｇｔｈｅｌｏｗ－ｌｅｖｅｌｆｅａｔｕｒｅｓｃｏｌｌｅｃｔｅｄ
4、ｆｒｏｍｅｖｅｒｙｃｏｒｒｅｓｐｏｎｄｉｎｇｓｐａｔｉａｌｓｕｂｒｅｇｉｏｎｉｎｔｏａｓｐｅｃｉｆｉｅｄｎｕｍｂｅｒｏｆｃｌｕｓｔｅｕｓｉｎｇｋ－ｍｅａｎｓａｌｇｏｒｉｔｈｍ．Ｔｏｒｅｃｏｇｎｉｚｅｔｈｅｃａｔｅｇｏｒｙｏｆａｓｃｅｎｅ，ｔｈｅｖｉｓｕａｌｖｏｃａｂｕｌａｒｙｄｉｓｔｒｉｂｕｔｉｏｎｓｏｆａｌｌｓｐａｔｉａｌｓｕｂｒｇｉｏｎｓｗｅｒｅｃｏｎｃａｔｅｎａｔｅｄｔｏｆｏｒｍａｇｌｏｂａｌｆｅａｔｕｒｅｖｅｃｔｏｒ．ＴｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｒｅｓｕｌｔｗａｓｏｂｔａｉｎｅｄｕｓｉｎｇＬＩＢＳＶＭａｎｄｔｗｋｉｎｄｓｏｆｆｅａｔｕｒｅｓｗｅｒｅｕｓ
5、ｅｄｉｎｔｈｅｅｘｐｅｒｉｍｅｎｔｓ：“Ｖ１－ｌｉｋｅ”ｆｉｌｔｅｒｓａｎｄＰＡＣＴｆｅａｔｕｒｅｓ．ＫｅｙｗｏｒｄｓＳｃｅｎｅｃｌａｓｓｉｆｉｃａｔｉｏｎ，Ｂａｇｏｆｗｏｒｄｓ，Ｓｐａｔｉａｌｃｌｕｓｔｅｒｉｎｇ，Ｓｐａｔｉａｌｖｉｓｕａｌｖｏｃａｂｕｌａｒｙ，ＳＶＭ人類(lèi)視覺(jué)感知的一個(gè)顯著特點(diǎn)是能夠很快掌握一圖像所表達(dá)的含義。ＭａｒｙＰｏｔｔｅｒ通過(guò)實(shí)驗(yàn)證明，僅僅組快速的圖像流，觀察者也能識(shí)別出每一幅圖像的語(yǔ)和一些圖像中的對(duì)象及其屬性［６］。這種通過(guò)快速引言１隨著數(shù)碼設(shè)備的普及和信息存儲(chǔ)與傳輸技術(shù)的快速發(fā)展，圖像數(shù)據(jù)發(fā)生爆炸性增長(zhǎng)。如何用計(jì)算機(jī)對(duì)大量且不斷增加的圖
6、像進(jìn)行分析和理解，成為一項(xiàng)越來(lái)越緊迫的任務(wù)。因此基于內(nèi)容的檢索技術(shù)已成為國(guó)內(nèi)外研究的熱點(diǎn)，并成為２１世紀(jì)初必須攻克的關(guān)鍵技術(shù)之一［１］。本文將重點(diǎn)關(guān)注圖像場(chǎng)景識(shí)別和分類(lèi)問(wèn)題。傳統(tǒng)的場(chǎng)景分類(lèi)方法通常使用色彩、紋理和形狀等圖像底層視覺(jué)特征直接與監(jiān)督學(xué)習(xí)方法相結(jié)合進(jìn)行圖像場(chǎng)景分類(lèi)［２］；或者對(duì)場(chǎng)景中的目標(biāo)進(jìn)行有效的分析，以完成場(chǎng)景的整體識(shí)別，具有代表性的如王濤、胡事民和孫家廣院士提出的基于顏色－空間特征的圖像檢索方法［３］；或者采用文本主題模型的方法將圖像分類(lèi)到不同的語(yǔ)義類(lèi)別中：將圖像的局部不變特征聚類(lèi)為一組視覺(jué)詞匯，并用詞袋（Ｂａｇｏｆｗｏｒｄｓ）模型來(lái)表示，最后用ＬＤ
7、Ａ（ＬａｔｅｎｔＤｉｒｉｃｈｌｅｔＡｌｌｏｃａｔｉｏｎ）［４］或ＰＬＳＡ（ＰｒｏｂａｂｉｌｉｓｔｉｃＬａｔｅｎｔＳｍａｎｔｉｃＡｎａｌｙｓｉｓ）［５］等主題分析模型找出圖像的潛在語(yǔ)義和最可能屬于的主題，從而完成場(chǎng)景分類(lèi)。２００ｍｓ）觀察圖像所獲得的視覺(jué)和語(yǔ)義信息稱(chēng)為圖［７］。在拍攝照片時(shí)，攝影師總是盡可能把能反映圖ｇｉｓｔ或者語(yǔ)義的對(duì)象和特征顯示在圖像中心。這一拍攝習(xí)大多數(shù)針對(duì)同類(lèi)目標(biāo)的圖像都有相同的拍攝角度，即像具有空間相似度。例如，許多城市的圖像是這樣一種高樓下面連接著人行橫道，而頂上是藍(lán)天；高速公路是大的平面向水平線方向延伸，期間充滿(mǎn)了一些凹凸。這果我們把
