基于语义短语的空间金字塔词袋模型图像分类方法

被引：8

作者：

生海迪 ^{[1
,2
]}

段会川 ^{[1
,2
]}

孔超 ^{[1
,2
]}

机构：

[1] 山东师范大学信息科学与工程学院

[2] 山东师范大学山东省分布式计算机软件新技术重点实验室

来源：

小型微型计算机系统 | 2015年 / 36卷 / 04期

关键词：

词袋模型; 语义短语; 稀疏编码; 空间金字塔;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对空间金字塔词袋模型缺少对局部特征之间语义分布关系的表达,提出了一种基于语义短语的空间金字塔词袋模型图像表示方法.首先,将局部特征映射为具有一定语义信息的视觉单词,通过统计局部特征邻域范围内其他相关特征点的语义分布情况来构造语义短语.其次,将语义短语采用稀疏编码进行量化生成语义词典,图像则表示成基于语义词典的空间金字塔式稀疏统计直方图向量.最后,将图像表示向量代入分类器中进行训练和测试.实验结果表明,本文方法能够较大幅度地提高图像分类的准确率.

引用

页码：877 / 881

页数：5

共 5 条

[1] 基于视觉单词共生矩阵的图像分类方法 [J].

朱道广 ;

李弼程 ;

蒋敏 ;

刘钦安 .

信息工程大学学报, 2013, 14 (04) :439-446

[2] 一种用于图像分类的多视觉短语学习方法 [J].

王孟月 ;

宋彦 ;

戴礼荣 .

小型微型计算机系统, 2012, 33 (02) :298-302

[3]

基于Bag-of-phrases的图像表示方法 [J]. 张琳波,王春恒,肖柏华,邵允学.&nbsp&nbsp自动化学报. 2012(01)

[4] 用于图像场景分类的空间视觉词袋模型 [J].

王宇新 ;

郭禾 ;

何昌钦 ;

冯振 ;

贾棋 .

计算机科学, 2011, 38 (08) :265-268

[5]

Local Features and Kernels for Classification of Texture and Object Categories: A Comprehensive Study [J] . J. Zhang,M. Marsza?ek,S. Lazebnik,C. Schmid.&nbsp&nbspInternational Journal of Computer Vision . 2007 (2)

← 1 →