科研之友
微信
新浪微博
Facebook
分享链接
摘要
词袋(Bag-of-Words)模型是图像分类研究中使用最广泛同时也是最有效的框架模型之一。然而,字典的最优设计仍然是该模型的重要研究内容。直观来说,字典越大,图像分类的准确度就越高,但同时也需要更高的计算资源和存储代价。鉴于此,本文提出一种基于多特征融合的图像分类方法。首先提取并使用图像的视觉特征生成多个小字典,接着构建不同字典下的直方图交核以获得图像的特征编码,最后通过对上述编码进行在线学习加权融合,使得组合结果与大字典下获取的特征编码一样具有较强的判别性,从而提高图像分类准确度。在特征融合阶段,本文改进了OPA(Online Passive-Aggressive)算法,得到了权值更新的闭式解。实验结果表明本文方法运行效果良好且计算代价更低。
-
单位河南经贸职业学院; 长江大学
