[发明专利]一种结合不同大小视觉词汇本的图像分类方法

权利要求书

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。