基于詞袋模型的圖像分類(lèi)算法研究.pdf

1、隨著互聯(lián)網(wǎng)的高速發(fā)展，數(shù)字圖像大量地出現(xiàn)在人們的生活中，其數(shù)量和類(lèi)別都發(fā)生了大規(guī)模地增長(zhǎng)。圖像分類(lèi)能夠幫助人們有效地組織和管理圖像，這種技術(shù)得到了越來(lái)越多的重視。在各種圖像分類(lèi)方法中，詞袋模型作為一種基于局部特征的圖像分類(lèi)方法取得了很好的分類(lèi)性能，因此得到了廣泛的研究和應(yīng)用。
　　詞袋模型的一個(gè)重要的研究?jī)?nèi)容是如何創(chuàng)建和優(yōu)化視覺(jué)詞典（視覺(jué)單詞集），以便更有效的表示圖像并提高算法的分類(lèi)性能。其另一個(gè)重要研究?jī)?nèi)容是如何利用遷移學(xué)習(xí)提高

2、算法在新圖像類(lèi)別中的分類(lèi)性能。詞袋模型的遷移學(xué)習(xí)不僅能避免在每一類(lèi)新圖像中詞袋模型都需要重新學(xué)習(xí)的問(wèn)題，還能適用于僅有少量樣本的圖像分類(lèi)任務(wù)。
　　本文以創(chuàng)建適合遷移學(xué)習(xí)的視覺(jué)詞典為目標(biāo)，研究視覺(jué)詞典優(yōu)化和改進(jìn)方法，提出用局部空間信息將多個(gè)視覺(jué)單詞進(jìn)行組合構(gòu)成視覺(jué)短語(yǔ)。這種視覺(jué)短語(yǔ)能更有效地挖掘和表示不同圖像之間的共同特征，消除視覺(jué)單詞的“語(yǔ)義歧義性”，并能遷移到新類(lèi)別圖像的視覺(jué)詞典中。本文的研究?jī)?nèi)容分為兩大部分:第一，研究如何獲

3、得有效并有判別力的視覺(jué)單詞和包含空間信息的視覺(jué)短語(yǔ)，為圖像分類(lèi)提供必要的信息（特征的表面信息和空間信息）;第二，在新類(lèi)別的圖像學(xué)習(xí)中，尤其是僅有少量圖像樣本時(shí)，研究如何利用已學(xué)好的圖像類(lèi)別知識(shí)，通過(guò)遷移視覺(jué)短語(yǔ)加快新類(lèi)別圖像的學(xué)習(xí)并提高分類(lèi)性能。圍繞上述內(nèi)容，本文的主要研究工作和創(chuàng)新性體現(xiàn)在以下三個(gè)方面:
　　第一，提出一種加權(quán)的最小冗余最大相關(guān)(Weighted minimal-redundancy-maximal-releva

4、nce，WMR-MR)準(zhǔn)則。WMR-MR準(zhǔn)則從信息論的角度出發(fā)，根據(jù)視覺(jué)單詞與圖像類(lèi)別之間、視覺(jué)單詞與視覺(jué)單詞的相關(guān)性，綜合評(píng)估視覺(jué)詞典在分類(lèi)過(guò)程中的相關(guān)性和冗余性。通過(guò)刪除視覺(jué)詞典中與類(lèi)別相關(guān)性弱且與詞典內(nèi)其他單詞具有冗余性的單詞，優(yōu)化視覺(jué)詞典，既保留了富有判別力的視覺(jué)單詞，又縮減視覺(jué)詞典的規(guī)模。利用該準(zhǔn)則可以用相對(duì)小規(guī)模的視覺(jué)詞典完成對(duì)圖像集的描述，并保持算法的分類(lèi)性能，解決了視覺(jué)詞典規(guī)模過(guò)大帶來(lái)的計(jì)算復(fù)雜性高、單詞之間存在冗余的問(wèn)

5、題。而且這種小規(guī)模的視覺(jué)詞典為創(chuàng)建視覺(jué)短語(yǔ)，以及視覺(jué)短語(yǔ)的遷移學(xué)習(xí)建立了基礎(chǔ)。
　　第二，提出一種創(chuàng)建包含局部空間信息的視覺(jué)短語(yǔ)的方法。在提取圖像局部特征的同時(shí)獲取局部特征的空間位置信息，并依據(jù)局部特征之間的穩(wěn)定的鄰近關(guān)系建立視覺(jué)短語(yǔ)，獲得能夠表示局部空間信息的視覺(jué)短語(yǔ)模型。與全局空間信息相比，本文的包含局部空間信息的視覺(jué)短語(yǔ)能夠更靈活地處理圖像類(lèi)內(nèi)的變化，有較強(qiáng)的魯棒性。而且，視覺(jué)短語(yǔ)有助于消除獨(dú)立使用其中任一單詞可能帶來(lái)的歧義

6、性，增強(qiáng)對(duì)圖像描述的可靠性。描述圖像局部特征表面信息的視覺(jué)單詞和描述圖像局部空間信息的視覺(jué)短語(yǔ)，共同構(gòu)成圖像分類(lèi)任務(wù)的兩條線索。由于不同類(lèi)別圖像的空間結(jié)構(gòu)性不同，該算法可以通過(guò)設(shè)定權(quán)值對(duì)兩條線索進(jìn)行權(quán)衡，使之能夠適用于不同類(lèi)別圖像的分類(lèi)任務(wù)中。
　　第三，提出一種基于視覺(jué)短語(yǔ)的遷移學(xué)習(xí)算法。提出采用視覺(jué)短語(yǔ)來(lái)描述不同類(lèi)別圖像之間的共同特征，充分利用已有的知識(shí)幫助新類(lèi)別圖像的學(xué)習(xí)。實(shí)驗(yàn)證明，與直接遷移視覺(jué)單詞相比，遷移視覺(jué)短語(yǔ)能更有