本文關鍵詞：哈希編碼結合空間金字塔的圖像分類

  更多相關文章： 哈希編碼 空間金字塔匹配模型 稀疏編碼 二進制K均值聚類 圖像分類

【摘要】：目的稀疏編碼是當前廣泛使用的一種圖像表示方法,針對稀疏編碼及其改進算法計算過程復雜、費時等問題,提出一種哈希編碼結合空間金字塔的圖像分類算法。方法首先,提取圖像的局部特征點,構成局部特征點描述集。其次,學習自編碼哈希函數(shù),將局部特征點表示為二進制哈希編碼。然后,在二進制哈希編碼的基礎上進行K均值聚類生成二進制視覺詞典。最后,結合空間金字塔模型,將圖像表示為空間金字塔直方圖向量,并應用于圖像分類。結果在常用的Caltech-101和Scene-15數(shù)據(jù)集上進行實驗驗證,并和目前與稀疏編碼相關的算法進行實驗對比。與稀疏編碼相關的算法相比,本文算法詞典學習時間縮短了50%,在線編碼速度提高了1.3~12.4倍,分類正確率提高了1%~5%。結論提出了一種哈希編碼結合空間金字塔的圖像分類算法,利用哈希編碼代替稀疏編碼對局部特征點進行編碼,并結合空間金字塔模型用于圖像分類。實驗結果表明,本文算法詞典學習時間更短、編碼速度更快,適用于在線詞典學習和應用。
【作者單位】： 河南工程學院計算機學院;河南圖像識別工程技術中心;
【關鍵詞】： 哈希編碼 空間金字塔匹配模型 稀疏編碼 二進制K均值聚類 圖像分類
【基金】：國家自然科學基金項目(61301232)~~
【分類號】：TP391.41
【正文快照】： 第21卷/第9期/2016年9月彭天強,栗芳/哈希編碼結合空間金字塔的圖像分類0引言圖像分類是計算機視覺領域中的一個重要問題,在目標識別、圖像檢索和視覺監(jiān)控等領域中均有著廣泛應用。視覺詞袋(Bo VW)模型[1]被廣泛應用于圖像分類中,但Bo VW模型未考慮局部特征之間的空間關系,這，

本文編號：1012267