[发明专利]基于自适应空间信息有向图的图像分类方法

权利要求书

1.一种基于自适应空间信息有向图的图像分类方法，包括步骤：

a.从所有图像中提取局部特征；

b.根据每个局部特征对应的视觉单词，从测试图像中随机抽取局部特征分组；

c.利用聚类算法对各组局部特征的空间坐标聚类，以聚类中心为定点并连接各相邻顶点得到空间信息的有向图；

d.根据局部特征的空间位置，对所有图像进行类聚操作，将聚集结果串联得到图像的最终表达。

2.根据权利要求1所述的方法，其特征在于所述提取局部特征包括记录局部特征的空间坐标，将所述空间坐标归一化。

3.根据权利要求1所述的方法，其特征在于所述有向图包括：

每一个顶点与每一个分块相对应；

相邻顶点之间的有向边表达了各分块之间的关系。

4.根据权利要求1所述的方法，其特征在于所述聚集包括多次聚集。

5.根据权利要求1所述的方法，其特征在于以硬投票的方式将得到的各局部特征分配给视觉词典中的各个视觉单词，得到多组局部特征。

6.根据权利要求1所述的方法，其特征在于在视觉词典上以硬投票的方式对每张图像的局部特征分别进行编码。

7.根据权利要求1所述的方法，其特征在于以软投票的方式进行聚集操作。

8.根据权利要求1所述的方法，其特征在于对局部特征的空间坐标进行非监督学习得到包含视觉单词空间分布信息的有向图。

9.根据权利要求1所述的方法，其特征在于对不同的视觉单词，自适应地学习不同的空间信息有向图。

10.根据权利要求1所述的方法，其特征在于根据局部特征的空间位置以及空间信息有向图，以软投票的方式对局部特征进行多次聚集操作。

11.根据权利要求1所述的方法，其特征在于所述步骤d采用硬投票编码方法、软投票编码方法、稀疏编码法、Super-vector编码法或Fisher编码法以及最大值聚集或加权求和聚集。