基于SIFT特征表示和稀疏編碼的多標(biāo)記場(chǎng)景分類.pdf

1、隨著現(xiàn)代社會(huì)的信息技術(shù)發(fā)展和現(xiàn)實(shí)需要，圖像作為信息的一種快速、有效地描述方式和存儲(chǔ)載體，獲得了大眾的廣泛關(guān)注。如何讓計(jì)算機(jī)按照人腦對(duì)信息的解譯方式準(zhǔn)確地、快速地從大量的圖像信息中自動(dòng)獲取所需的信息，成為了計(jì)算機(jī)視覺領(lǐng)域中一個(gè)亟待解決的問題。多標(biāo)記學(xué)習(xí)是針對(duì)現(xiàn)實(shí)世界中普遍存在的多義性對(duì)象而提出的一種學(xué)習(xí)框架，目前廣泛應(yīng)用于目標(biāo)分類和識(shí)別問題中。由于尺度不變特征變換（Scale-Invariant Feature Transform，SIF

2、T)可以克服由圖像平移、旋轉(zhuǎn)、亮度和尺度變化帶來的誤分，且該方法對(duì)于光線、噪聲、微視角改變、部分物體遮蔽的容忍度也相當(dāng)高，在文本分類、自然場(chǎng)景分類和視頻分類中均取得了較好的結(jié)果。因此，本文基于SIFT特征表示，利用空間金字塔模型的稀疏編碼和局部線性約束編碼方式對(duì)特征進(jìn)行編碼，利用多標(biāo)記k近鄰（Multi-Label k-Nearest-Neighbor， ML-kNN)和排序支撐矢量機(jī)（Rank Support Vector Machi

3、ne, Rank-SVM)對(duì)目標(biāo)進(jìn)行多標(biāo)記分類。
　?。?）提出了一種基于SIFT特征表示和稀疏編碼的自然場(chǎng)景多標(biāo)記分類方法，本方法通過提取圖像的密集SIFT特征，首先用空間金字塔稀疏編碼模型對(duì)圖像進(jìn)行特征表示和編碼，然后用最大化池化方式得到圖像的特征分布，最后用兩種多標(biāo)記分類方法分別對(duì)自然場(chǎng)景進(jìn)行分類，得到自然場(chǎng)景圖像的分類結(jié)果。該方法豐富了圖像的空間信息，且特征得到了高效地編碼，從而可得到更好的分類結(jié)果。
　　（2）提出

4、了一種基于SIFT特征表示和局部線性約束編碼的自然場(chǎng)景多標(biāo)記分類方法，本方法通過從不同尺度提取圖像的密集SIFT特征，建立多尺度字典，結(jié)合空間金字塔局部線性約束編碼模型對(duì)圖像進(jìn)行特征表示和編碼，然后用最大化池化方式對(duì)圖像特征分布進(jìn)行統(tǒng)計(jì)并用限制玻爾茲曼機(jī)進(jìn)行特征降維，最后用兩種多標(biāo)記分類方法分別對(duì)自然場(chǎng)景進(jìn)行分類，得到自然場(chǎng)景的多標(biāo)記分類結(jié)果。該方法不僅豐富了圖像的空間信息，還豐富了特征的尺度信息，且局部線性約束編碼更快速、有效，經(jīng)過限