[发明专利]基于深度信息的图像分类方法

权利要求书

1.一种基于深度信息的图像分类方法，包括：

使用已知深度信息的第一训练图像集训练马尔可夫随机场MRF；

使用所述MRF从未知深度信息的第二训练图像集提取深度信息；

从所述第二训练图像集提取局部特征；

基于所提取的深度信息和所提取的局部特征来训练支持向量机分类器；以及

使用经训练的支持向量机分类器来对待分类图像集中的图像进行分类，

其中所述第二训练图像集和所述待分类图像集属于同一场景集。

2.根据权利要求1所述的方法，还包括：

基于所提取的深度信息和所提取的局部特征来生成第二训练图像集中的图像的表达；以及

使用所述图像的表达来训练支持向量机分类器。

3.根据权利要求1所述的方法，其中，使用经训练的支持向量机分类器来对待分类图像集中的图像进行分类包括：

使用所述MRF从所述待分类图像集提取深度信息；

从所述待分类图像集提取局部特征；

基于从所述待分类图像集提取的深度信息和局部特征生成所述待分类图像集中的图像的表达；以及

将所述待分类图像集中的图像的表达输入所述支持向量机分类器。

4.根据权利要求2或3所述的方法，其中，生成图像的表达包括：

基于所提取的深度和所提取的局部特征生成深度模型和多个深度平面；

基于所提取的局部特征生成视觉词典；

基于所提取的局部特征和视觉词典生成特征编码；

基于所述多个深度平面、深度模型和特征编码对局部特征进行聚集以得到每个空间区域内的响应；以及

将所有空间区域内的响应串联到一起作为该图像的表达。

5.根据权利要求4所述的方法，其中：

生成多个深度平面包括：对深度信息应用聚类算法，得到多个聚类中心P＝[p₁，p₂，…，p_L]，其中L表示聚类中心的数量，p_i是第i个聚类中心的深度值；以及

生成深度模型包括：将所提取的局部特征与相应的深度值相结合。

6.根据权利要求4所述的方法，其中，基于所述多个深度平面、深度模型和特征编码对局部特征进行聚集以得到每个空间区域内的响应包括：

在二维平面上将图像等分成多个矩形区域，并结合深度平面，将三维空间划分成多个空间区域；

对与每个局部特征最接近的两个深度平面，根据与所述局部特征之间的距离给对两个深度平面分配权重，从面对每个空间区域内的局部特征分别进行聚集。

7.根据权利要求4所述的方法，其中生成特征编码包括：

基于视觉词典，使用局部线性编码来对所提取的局部特征进行编码。

8.根据权利要求6所述的方法，其中对每个空间区域内的局部特征分别进行聚集包括使用以下中的任一个进行聚集：最大聚集、最小聚集、求和聚集、和加权求和聚集。