[发明专利]基于级联的SIFT特征和稀疏编码的图像分类方法

摘要

本发明公开一种基于级联的SIFT特征和稀疏编码的图像分类方法。其实现步骤为：（1）将数据集中每幅图像按8像素步长、32×32像素块，提取512维尺度不变SIFT特征；（2）对每个图像块的SIFT特征应用空间最大化池方法得到168维的向量y；（3）随机从数据集中所有32×32的图像块中选取数块，通过K-奇异值分解方法训练字典D；（4）对每一幅图像中所有块的向量y，通过字典D进行稀疏表示；（5）对于每一幅图像中所有的稀疏表示应用步骤（2）方法，得到整幅图像的特征表示；（6）将图像的特征表示输入到线性SVM分类器，得到图像的分类结果。本发明具有捕获图像局部结构化信息，去除图像底层特征冗余的优点，可用于目标识别。

主权项

一种基于级联的SIFT特征和稀疏编码的图像分类方法，包括如下步骤：（1）将Caltech‑101数据集中每幅图像按8像素的步长分成32×32像素大小的块，提取每个图像块的尺度不变特征SIFT，得到一个512维的原始尺度不变SIFT特征向量；（2）对每个图像块中的SIFT特征利用空间金字塔最大化池方法得到168维的新特征向量y；（3）随机从Caltech‑101数据集中所有的32×32像素大小的图像块中选取200000块通过K‑奇异值分解方法K‑SVD训练字典D，其中每一块的特征向量为新特征向量y；（4）对每一幅图像中所有块的新特征向量y，通过已经训练好的字典D进行稀疏编码，得到稀疏表示x；（5）对于每一幅图像，对其稀疏表示矩阵X再次运用空间金字塔最大化池方法整合图像块中的显著性特征，得到整幅图像的特征表示I；（6）把图像的特征表示I输入到线性支撑矢量机SVM分类器，经过训练测试，得到图像的最终分类结果。