The invention relates to a method of image classification based on improved visual bag of words model, aiming at the scene image, mainly to solve the complex background, the traditional classification model can not fully express the same image of characteristics, so that the classification accuracy is not high; and the traditional classification algorithm has high complexity, low efficiency and actual operation problems the invention, compared to other methods using the bag of words model for image classification, the same image can highlight common visual words, thereby enhancing the similarity of the same image bag of visual words, improve the classification accuracy in a certain extent, and the use of Topology model to improve the generating efficiency of the visual dictionary, has a strong practical value.
【技术实现步骤摘要】
本专利技术涉及一种图像分类方法,尤其涉及一种基于改进视觉词袋模型的图像分类方法,属于图像分类处理领域。
技术介绍
近年来,随着多媒体技术和互联网技术的快速发展,图像的产生与传播变得更加的方便与快捷,图像资源呈现快速的增长。其中,场景图像分类是图像研究领域的重要分支,是当前计算机视觉的热点问题。针对在交通场景下,监控摄像机和电子眼的大量使用,产生大量的交通场景图像,使得有效地管理这些图像变得愈加困难。为了更为有效地管理和检索交通场景图像,对场景图像分类技术的需求变得更加的迫切。如何结合现有的数据挖掘知识,对图像进行有效的特征提取和分类,是实现智慧交通要解决的关键技术之一,它的研究具有很大的理论价值和应用价值。在众多的图像分类方法中,由“词袋法”发展而来的视觉词袋模型(BOW,Bag of Words)是目前图像分类中较主流的方法之一。通常首先提取图像的局部特征,其次将这些特征矢量量化并构造视觉码本,特征矢量编码为视觉单词,从而每幅图像可以由不同频率的视觉单词表示。最后生成每幅图像的视觉单词直方图,通过训练分类器,检测出待判别的图像类型。例如,专利技术专利“基于视觉词典的图像分类方法”(专利申请号:201110175101.9,公开号:CN102208038A)即通过BOW模型构建视觉词典,并将图像用基于该视觉词典的直方图表示,建立模型对图像进行分类,该方法没有考虑图像特征点的空间布局信息;专利技术专利“基于空间局部聚合描述向量的图像分类方法”(专利申请号:201310180925.4,公开号:CN103295026A)中的方法考虑了特征点空间布局信息,用基 ...
【技术保护点】
一种基于改进视觉词袋模型的图像分类方法,其特征在于:具体包括以下步骤:步骤1,将图像集划分为训练图像集和测试图像集;步骤2,获取训练图像集的SIFT描述子:步骤2.1,利用尺度可变的二维高斯核函数与原始图像做卷积,将相邻尺度的两个高斯图像相减建立DOG尺度空间金字塔模型,具体计算为:L(x,y,σ)=G(x,y,σ)*I(x,y);D(x,y,σ)=(G(x,y,kσ)‑G(x,y,σ))*I(x,y);其中G(x,y,σ)为可变尺度的二维高斯函数,L(x,y,σ)为图像函数的尺度空间,D(x,y,σ)为原始图像;σ为尺度空间因子,是高斯函数的标准差;I(x,y)为图像的二维函数表示,其中x和y是空间坐标,k为常数。步骤2.2,通过逐个比较每个像素点(x,y)的方法,找到相邻位置和相邻尺度内的特征点,并确定特征点的位置和尺度;步骤2.3,计算特征点邻域内每个像素点的梯度幅值和方向,计算公式为:其中,m(x,y)代表特征点梯度的大小,θ(x,y)代表特征点的梯度方向;步骤2.4,以特征点为中心,对其邻域分块并计算块内梯度直方图,生成SIFT描述子;步骤3,利用均值聚类方法聚类步骤2.2生 ...
【技术特征摘要】
1.一种基于改进视觉词袋模型的图像分类方法,其特征在于:具体包括以下步骤:步骤1,将图像集划分为训练图像集和测试图像集;步骤2,获取训练图像集的SIFT描述子:步骤2.1,利用尺度可变的二维高斯核函数与原始图像做卷积,将相邻尺度的两个高斯图像相减建立DOG尺度空间金字塔模型,具体计算为:L(x,y,σ)=G(x,y,σ)*I(x,y);D(x,y,σ)=(G(x,y,kσ)-G(x,y,σ))*I(x,y);其中G(x,y,σ)为可变尺度的二维高斯函数,L(x,y,σ)为图像函数的尺度空间,D(x,y,σ)为原始图像;σ为尺度空间因子,是高斯函数的标准差;I(x,y)为图像的二维函数表示,其中x和y是空间坐标,k为常数。步骤2.2,通过逐个比较每个像素点(x,y)的方法,找到相邻位置和相邻尺度内的特征点,并确定特征点的位置和尺度;步骤2.3,计算特征点邻域内每个像素点的梯度幅值和方向,计算公式为:其中,m(x,y)代表特征点梯度的大小,θ(x,y)代表特征点的梯度方向;步骤2.4,以特...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。