[发明专利]视觉单词和短语共驱动的词袋模型图片分类方法

说明书

本发明提供的视觉单词和短语共驱动的词袋模型图片分类方法，通过视觉明显性分析方法将图片分为前景区域和后景区域，从两个区域分别提取特征建立各自的视觉特征词典，按一定的权值将二部分的单词直方图聚合起来表示图片，丰富了特征表达子的语义含义。通过引入分层聚类分析将视觉单词短语的聚类过程巧妙的改成树状结构，避免了均值聚类算法初始中心的不良选取带来的一系列问题，同时对图片的整体到部分的解析过程更恰当。提出自适应超球体软分派方法，将图片中视觉单词和短语的空间位置排列关系引入，巧妙的除去了单一单词的歧义问题，分类表达能力大幅提高，图片分类深度更大，准确率更高，分类速度更快，方法鲁棒性更好。

技术领域

本发明涉及一种视觉图片分类方法，特别涉及视觉单词和短语共驱动的词袋模型图片分 类方法，属于图片分类技术领域。

背景技术

随着移动社交的流行和智能终端设备的便携化逐渐普及，数字图片的数量呈现井喷式增 长。互联网平台上，微信、微博等每天都有数GB甚至TB的图片产生和分享，著名图片社交 应用照片墙每天分享的图片数超过8550万张；从卫星遥感图片到医用显微图片，从交通管理 到视频监控方面，无时无刻不在产生数量巨大的图片和视频。当前亟需在如此庞大的图片库 中进行高效的图片内容分析、检索和分类的相关技术。

图片分类不但能辨别出图片的所属种类信息，还能提供其中所包含的子信息内容甚至情 绪表现等，因此对图片的认知可提升到基于语义的层面，这项技术可以让计算机像人一样去 看待周围的环境并分析理解，使计算机具有自动识别能力，具有广泛的应用范围，主要包括： 一是搜索引擎，截止目前国内外对各种各样的图片、视频检索系统需求强烈，电子商务网站 需运用图片分类技术直观检索相同相似产品，数字图书馆在进行图书资源搜索时可运用图片 分类技术找到与图书封面类似的图书；二是相册分类，随着可拍照移动设备的普及，使得普 通用户产生成千上万的图片，如果不进行分类管理，相册则会杂乱无章；三是图片分析，在 对遥感影像图片的分析中，分类技术可实现预警监控，同时对海洋资源开发、国土矿质资源 勘查等都有很大用途，在医学领域中诊断仪器设备会产生大量的病理图片，图片分类能够协 助医生高效率的查找访问需要的图片；四是机器视觉，图片分类对无人驾驶和机器人的路径 规划有重要意义，能够协助智能车辆或机器人对其所处环境进行判定，避开障碍物，行走最 优路径，将图片分类用在的无人机上，能够进行地质勘查、农田查害等。

图片分类是机器学习和模式识别领域的子问题，聚合了模式识别、计算机视觉、统计学、 生物学等学科知识，图片分类可为这些学科的结合研究和具体应用提供现实环境，丰富各方 面理论和实践应用的工作进展，因此无论从现实应用层面还是理论研究层面，图片分类都极 其重要。

从现有技术的相关研究和运用进展来看，图片分类的大致思路是：一是用图片特征来表 示图片，二是根据特征去量化表示图片内容，三是设计合适的分类器进行图片分类。依据特 征语义的层次表现，可将图片分类语义模型概括为以下二种：

一是基于低层语义模型的图片分类，在现有技术的早期图片分类和检索中，图片内容表 现直接由图片的颜色形状纹理等属性表述。用颜色矩和边缘方向一致性的矢量来表示图片， 采用朴素贝叶斯分类器对旅游照片进行分类，通过聚合颜色纹理特征实现足球视频镜头的分 类，将图片划分子块，从中算出空间颜色特征和纹理特征，将二种特征聚合后选择K近邻分 类器进行分类。这些方法直接将底层特征往高层语义映射，由于缺乏中间语义的转换过渡， 分类的泛化能力不尽人意，在面对训练集以外的样本分类时准确率较低，实际运用价值很低。