基于视觉计算和混合尺度局部特征的图像分类方法-计算机应用技术专业论文.docx

万方数据 万方数据 西安电子科技大学 学位论文独创性（或创新性）声明 秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在 导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标 注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成 果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的 材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说 明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切的法律责任。 本人签名： 日期: 西安电子科技大学 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究 生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保 留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内 容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后 结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。 本人签名： 日期: 导师签名： 日期: 摘要 图像分类是图像处理、计算机视觉、模式识别领域中极具挑战性的研究课题， 利用计算机实现自动图像分类，关键是提取准确的图像特征、形成可区分的图像 描述。基于词袋模型的图像分类方法是一种应用广泛的基于局部特征的图像描述 和分类方法，其中局部特征的提取非常重要，其直接影响后续步骤中构建的视觉 词典的准确性，进而影响生成的图像描述子的区分性。在局部特征提取阶段常用 而且非常有效的一种方法是通过密集采点方法将图像规则地划分为固定大小的图 像块，并以图像块的中心为关键点生成 SIFT 特征，但这种将图像块划分成固定 大小的块并提取 SIFT 特征的方式不能自适应地获取适合尺度的结构特征，而这 些适合尺度的结构特征可能对构建准确的视觉词典非常重要，因而不利于构建准 确的视觉词典，从而也不利于生成准确的图像描述。 本文结合视觉计算理论，就图像局部特征提取方法和图像描述子生成方法进 行了研究。本文先采用初始素描模型得到图像的初始素描图，并据此对图像进行 区域划分，将图像划分为包含结构信息较多的结构区域和包含结构信息较少的非 结构区域，在结构区域提取混合尺度的图像块 SIFT 特征，在非结构区域提取单 尺度图像块 SIFT 特征，以更好地表示图像局部信息，提高后续处理中视觉词典 的准确性和描述子的可区分性，得到区分性较好的基于局部特征的图像特征。另 外，图像的初始素描图是图像的一种稀疏表示，基于图像的素描线段的方向和长 度的统计量能在一定程度上表示图像，本文直接对每幅图像的素描线段的方向和 长度进行统计，得到基于素描线段方向和长度的统计特征，可以直接用于分类。 将基于局部特征的图像特征及基于素描线段方向和长度的统计特征结合，可以形 成更具区分性的图像特征，更好地表示图像，有利于分类。基于此，我们提出了 基于视觉计算和词袋模型的图像分类算法和基于视觉计算和空间金字塔匹配的图 像分类算法，并在公开数据集十五类自然场景 Scene-15 上进行了实验，结果表明 本文方法能获得较好的分类结果。 关键词：图像分类 局部特征 图像描述子生成 视觉计算 初始素描模型 Abstract Image classification is a highly challenging research topic in the field of image processing, computer vision and pattern recognition. The key of automatic image classification by computer is to extract good image feature and form a discriminative image description. Bag of words based method is a widely used method for image description and classification based on local features. For it, local feature extraction is very important, which directly affects the accuracy of the subsequent construction of the visual dictionary; thereby affects the generation of discriminative image descriptor. In the step of local featu