[发明专利]基于监督流形学习的场景分类方法及装置

摘要

本发明公开了一种基于监督流形学习的场景分类方法及装置。基于监督流形学习的场景分类方法包括以下步骤：输入人工标注了场景类别的N个训练图像，其中场景类别为C个；提取N个训练图像的S个SIFT特征并获取由S个SIFT特征的M个聚类中心组成的码本；对于每个场景类别，将SIFT特征和码字作为节点，建立有监督的谱图G＝(V，E)并获取与V对应的权重矩阵；获取每个流形结构上的各个SIFT特征到M个码字的度量；输入新的训练图像或测试图像；获取新的训练图像或测试图像上的SIFT特征到M个码字的度量；计算新的训练图像或测试图像上的SIFT特征到M个码字的隶属度并得到C个直方图向量；以及利用支持向量机对C个直方图向量进行学习，得到每个场景类别的判断模型。

主权项

一种基于监督流形学习的场景分类方法，其特征在于，包括以下步骤：1)输入人工标注了场景类别的N个训练图像，其中场景类别为C个，N是大于等于1的整数；2)提取所述N个训练图像的S个SIFT特征并获取由所述S个SIFT特征的M个聚类中心组成的码本，其中每个聚类中心是一个码字，其中S是大于等于N的整数；3)对于每个场景类别，将SIFT特征和码字作为节点，建立有监督的谱图G＝（V，E)并获取与V对应的权重矩阵W，所述权重矩阵W用于表示与每个场景类别对应的流形结构，V是谱图中所有节点的集合，E是节点间相邻边的集合；4)获取每个流形结构上的各个SIFT特征到所述M个码字的度量；5)输入新的训练图像或测试图像；6)获取所述新的训练图像或测试图像上的SIFT特征在C个流形结构上到所述M个码字的度量；7)计算所述新的训练图像或测试图像上的SIFT特征到所述M个码字的隶属度并得到C个直方图向量；以及8)利用支持向量机对所述C个直方图向量进行学习，得到每个场景类别的判断模型。