一种基于目标及其空间关系特性的图像场景分类方法技术

本发明专利技术公开了一种基于目标及其空间关系特性的图像场景分类方法，涉及图像场景分类技术，其步骤：首先定义一种空间关系直方图，表征目标之间的空间关系，包括左、右、上、下、远、近、包含和不包含，给出计算方法；标注样本图像中的目标，赋值任意两个目标之间空间关系的隶属度，统计场景中每两类目标之间空间关系的隶属度值的数学特征，针对测试图像，用模糊K近邻分类器分类目标之间空间关系直方图，计算空间关系隶属度值；采用融合主题之间空间关系特性的概率隐含语义分析模型，建立图像模型；用支持向量机分类场景图像。本发明专利技术方法提出融合主题之间空间关系特性的概率隐含语义分析模型来建模图像，作为支持向量机的输入来分类图像场景。

【技术实现步骤摘要】
本专利技术属于图像场景分类技术，涉及图像理解、计算机视觉、人工智能、模式识别等领域，是一种基于目标及其空间关系特性的图像场景分类方法。
技术介绍
随着多媒体技术与网络技术的发展，产生了大量的图像信息，图像分类和检索越来越受到人们的关注。同时随着计算机技术的快速提高，图像理解获得了快速发展，其理论不断发展，形成了与计算机视觉、人工智能和认知学领域相互关联又相互独立的领域。图像理解就是对图像的语义解释，利用图像低层视觉特征以及高层知识信息实现目标识别、语义分析以及场景分类。图像场景分类作为图像理解的基本任务之一，是指从多幅图像中区分出具有相似或相同特征的图像，并对这些图像进行正确标记的过程。目前场景分类方法主要包括基于图像底层特征的方法，以及通过构建中间语义层的方法。第一种方法利用图像的底层特征，如颜色、纹理、边缘等，将图像作为一个整体并直接与监督方法结合，划分如室内/外、城市/山区等场景图像，该类方法只能分类小部分场景。第二种方法通过构建中间语义层，能够实现更多场景类别的识别，如引入文本分析中的概率隐含语义分析模型(Probabilistic latent semantic analysis本文档来自技高网...

【技术保护点】
一种基于目标及其空间关系特性的图像场景分类方法，其特征在于：包括：步骤S1，目标空间关系直方图计算：用空间关系直方图表征目标间空间关系特性，包括左和右、上和下、远和近以及包含和不包含，并给出计算方法；步骤S2，空间关系分类：针对样本图像，标注其目标并赋值目标之间空间关系的隶属度，针对测试样本，用模糊K近邻分类器分类目标之间空间关系直方图，计算其空间关系的隶属度值；步骤S3，SR？pLSA建模：提出融合主题之间空间关系特性的概率隐含语义分析模型SR？pLSA，建立图像语义模型；步骤S4，SVM分类：以步骤S3建立样本图像的语义模型，作为支持向量机SVM的输入，用训练好的SVM完成图像场景的分类。

【技术特征摘要】
1.一种基于目标及其空间关系特性的图像场景分类方法，其特征在于包括 步骤SI，目标空间关系直方图计算用空间关系直方图表征目标间空间关系特性，包括左和右、上和下、远和近以及包含和不包含，并给出计算方法； 步骤S2，空间关系分类针对样本图像，标注其目标并赋值目标之间空间关系的隶属度，针对测试样本，用模糊K近邻分类器分类目标之间空间关系直方图，计算其空间关系的隶属度值； 步骤S3，SR-pLSA建模提出融合主题之间空间关系特性的概率隐含语义分析模型SR-pLSA，建立图像语义模型； 步骤S4, SVM分类以步骤S3建立样本图像的语义模型，作为支持向量机SVM的输入，用训练好的SVM完成图像场景的分类。2.根据权利要求I所述的图像场景分类方法，其特征在于，所述步骤SI中，目标空间关系直方图计算包括步骤 步骤Sll :分别求取参考对象以及目标对象区域的点集； 步骤S12:针对不同倾角Θ e [_π，π]建立水平线集，并获取两个目标落在线上的点集; 步骤S13 :采用快速傅里叶变换算法计算空间关系直方图。3.根据权利要求I所述的图像场景分类方法，其特征在于，所述步骤S2中，空间关系分类包括步骤 步骤S21 :标注样本图像中的目标并赋值目标之间每种空间关系的隶属...

【专利技术属性】
技术研发人员：金标，胡文龙，付琨，
申请(专利权)人：中国科学院电子学研究所，
类型：发明
国别省市：