[发明专利]一种基于空间关系的潜在狄利克雷模型自然场景图像分类方法

摘要

本发明公开了一种基于空间关系的潜在狄利克雷模型自然场景图像分类方法，主要解决现有分类方法人工标记工作量较大和分类正确率较低的问题。其实现步骤是：分别建立自然场景图像分类的训练集和测试集；对图像进行金字塔分块；提取图像块集合的采样点尺度不变特征集合，并生成字典；用字典对图像块尺度不变特征集合进行词袋模型描述；用Gibbs采样方法生成词汇频次向量的潜在语义主题模型,得到图像的潜在语义主题分布，进而构建自然场景图像分类模型；用分类模型对自然场景图像进行分类。本发明采用了空间关系和潜在语义主题模型，丰富了图像特征信息，避免了大量的人工标记工作,提高了分类正确率,可用于目标识别及车辆、机器人导航。

主权项

一种基于空间关系的潜在狄利克雷模型自然场景图像分类方法，其特征是：包括如下步骤：(1)分别建立自然场景图像分类训练集和图像分类测试集；(2)用空间金字塔分块方法分别对自然场景图像分类训练集和图像分类测试集中的图像进行图像分块，得到图像块集合P={P₁,P₂,…,P_i,…,P_n},其中P_i为图像的第i个图像块，n为图像的分块总数；(3)提取训练集中图像的图像块集合P的采样点尺度不变特征集合F，生成字典D：(3a)用网格采样方法对训练集中图像的图像块集合P进行网格采样，得到图像的图像块网格采样点集SP={SP₁,SP₂,…,SP_i,…,SP_n},其中SP_i为图像第i个图像块的网格采样点；(3b)用尺度不变特征提取方法对训练集中图像的图像块网格采样点SP提取尺度不变特征，得到训练集中图像的图像块尺度不变特征集合F={F₁,F₂,…,F_i,…,F_n},其中F_i为图像第i个图像块的尺度不变特征；(3c)用K均值聚类算法分别对训练集上图像的图像块尺度不变特征集合F进行聚类，生成字典D={D₁,D₂,…,D_i,…,D_n},其中D_i为图像第i个图像块生成的字典；(4)用字典D对训练集中图像的图像块尺度不变特征集合F进行词袋模型描述，得到图像的图像块对应的词汇频次W={W₁,W₂,…,W_i,…,W_n},其中W_i为图像第i个图像块对应的词汇频次向量；(5)用Gibbs采样方法估计潜在狄利克雷模型中的隐参数，得到训练集中图像的潜在语义主题模型Z和潜在语义主题分布θ；(6)用图像潜在语义主题模型Z生成测试集中图像潜在语义主题分布θ₁；(7)将训练集中图像的潜在语义主题分布θ和其对应的类别l作为训练数据，用支撑向量机SVM算法获得自然场景分类模型E；(8)根据自然场景分类模型E对测试图像进行分类。