融合局部聚合描述符和全局特征的现勘图像分类算法

作者：刘颖; 倪天宇; 王富平; 刘卫华; 艾达

来源：科学技术与工程, 2020, 20(03): 1118-1124.

• 图像全局特征
• 尺度不变特征变换特征
• 局部聚合描述符
• 支持向量机
• 现勘图像分类

针对低层特征对图像内容描述不够精确而导致现勘图像分类准确率不高的不足,提出一种融合局部聚合描述符(vector of locally aggregated descriptors, VLAD)和全局特征的现勘图像分类算法。首先,分别提取HSV颜色直方图和局部二值模式(local binary pattern, LBP)特征作为图像全局特征;然后,对现勘图像进行密集采样,提取每个子区域的尺度不变特征变换(scale-invariant feature transform, SIFT)特征,利用VLAD方法对提取的密集SIFT特征进行编码;最后,将全局特征和VLAD特征融合,并采用直方图相交核函数的支持向量机(support vector machine, SVM)进行分类。针对现勘5K、轮胎5K和Corel-1K数据集,比较提出算法与基于低层特征、基于词袋模型、基于空间金字塔模型特征分类方法的性能。结果表明:提出的算法分类精度优于对比算法。

• 单位
  西安邮电大学