基于改进局部特征分布的图像分类方法

作者：郭立君; 刘曦; 赵杰煜; 史忠植

来源：模式识别与人工智能, 2011, (03): 368-375.

DOI：10.16451/j.cnki.issn1003-6059.2011.03.009

• 分布模型
• 局部特征
• 场景识别
• 图像分类 Distributions Model
• Local Feature
• Scene Recognition
• Image Categorization

提出一种概率签名的图像分布描述及对应的图像分类算法.算法首先通过高斯混合模型建立图像局部特征分布,然后以混合模型中各个模式的均值为聚类中心,以图像中满足约束条件的局部特征对相应模式的后验概率之和为聚类大小来形成初始的概率签名,最后执行一个压缩过程确定最终的概率签名特征,并通过训练基于Earth Mover's Distance(EMD)核的SVM分类器完成图像分类.概率签名允许一个局部特征对多个聚类做出反映,可以编码更多判别信息以及从视觉感知上捕捉更多的相似性.通过与其它图像分类方法在场景识别和对象分类两项任务上的对比实验,验证了文中提出的分类方法的有效性.

• 单位
  中国科学院计算技术研究所; 中国科学院大学; 宁波大学