[发明专利]一种结合不同大小视觉词汇本的图像分类方法有效
申请号: | 201210007079.1 | 申请日: | 2012-01-11 |
公开(公告)号: | CN102609731A | 公开(公告)日: | 2012-07-25 |
发明(设计)人: | 罗会兰;廖列法;胡中栋 | 申请(专利权)人: | 江西理工大学 |
主分类号: | G06K9/66 | 分类号: | G06K9/66 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 341000 江*** | 国省代码: | 江西;36 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 结合 不同 大小 视觉 词汇 图像 分类 方法 | ||
1.一种基于视觉词汇本的图像分类方法,其特征在于利用多分辨率信息来量化图像,来自于不同综合层的多种可用线索并行用来分类图像,为了利用不同粒度的信息来分类图像,图像在基于不同大小的视觉词汇本上量化,这些不同大小的视觉词汇本可以捕获不同的图像特征,包括以下步骤:
(1) 用兴趣点检测子提取训练图像的兴趣点,然后用描述子描述提取出来的兴趣点;
(2) 随机选择一部分描述好的兴趣点,在其上运行聚类算法得到一个成员视觉词汇本,通过设置不同的簇个数作为聚类算法的参数,得到具有不同大小的成员视觉词汇本;
(3) 基于这个成员视觉词汇本对训练图像集进行量化;
(4) 在量化后的训练数据集上学习一个分类器;
(5) 重复步骤2到步骤4,生成预设大小的视觉词汇本集体和分类器集体;
(6) 基于一个成员视觉词汇本,对新图像进行量化;
(7) 使用对应成员分类器分类新图像,得到分类结果;
(8) 重复步骤6到步骤7,直到每个成员分类器得到了自己的分类结果;
(9) 利用集成技术集成成员分类器的分类结果得到最终图像分类标签。
2.根据权利要求1所述的方法,其特征在于所述成员视觉词汇本的大小分别设置成200,400,800,1200,1300,1500,1600,1700,1900,2000,2200,2600,2800,3000,3600,4000,4500,和5000,得到一个大小为18的集体。
3.根据权利要求1所述的方法,其特征在于为了集成视觉词汇本集体和相应分类器集体分类图像,直接使用了SVM决策函数值的输出,当测试一副新的图像 时,分类器集体的输出通过将所有成员分类器的决策函数值平均得到:,这里S是集体大小,是第i个成员分类器的输出值,通过设置不同的阈值,从而获得precision-recall曲线。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江西理工大学,未经江西理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201210007079.1/1.html,转载请声明来源钻瓜专利网。