[發(fā)明專利]一種基于目標(biāo)及其空間關(guān)系特性的圖像場景分類方法

無效

• 申請?zhí)枺?/td>: 201110214985.4
• 申請日: 2011-07-29
• 公開（公告）號: CN102902976A
• 公開（公告）日: 2013-01-30
• 發(fā)明（設(shè)計）人: 金標(biāo);胡文龍;付琨
• 申請（專利權(quán)）人: 中國科學(xué)院電子學(xué)研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/66
• 代理公司: 中科專利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 周國城

1.一種基于目標(biāo)及其空間關(guān)系特性的圖像場景分類方法，其特征在于：包括：

步驟S1，目標(biāo)空間關(guān)系直方圖計算：用空間關(guān)系直方圖表征目標(biāo)間空間關(guān)系特性，包括左和右、上和下、遠(yuǎn)和近以及包含和不包含，并給出計算方法；

步驟S2，空間關(guān)系分類：針對樣本圖像，標(biāo)注其目標(biāo)并賦值目標(biāo)之間空間關(guān)系的隸屬度，針對測試樣本，用模糊K近鄰分類器分類目標(biāo)之間空間關(guān)系直方圖，計算其空間關(guān)系的隸屬度值；

步驟S3，SR-pLSA建模：提出融合主題之間空間關(guān)系特性的概率隱含語義分析模型SR-pLSA，建立圖像語義模型；

步驟S4，SVM分類：以步驟S3建立樣本圖像的語義模型，作為支持向量機SVM的輸入，用訓(xùn)練好的SVM完成圖像場景的分類。

2.根據(jù)權(quán)利要求1所述的圖像場景分類方法，其特征在于，所述步驟S1中，目標(biāo)空間關(guān)系直方圖計算包括步驟：

步驟S11：分別求取參考對象以及目標(biāo)對象區(qū)域的點集；

步驟S12：針對不同傾角θ∈[-π，π]建立水平線集，并獲取兩個目標(biāo)落在線上的點集；

步驟S13：采用快速傅里葉變換算法計算空間關(guān)系直方圖。

3.根據(jù)權(quán)利要求1所述的圖像場景分類方法，其特征在于，所述步驟S2中，空間關(guān)系分類包括步驟：

步驟S21：標(biāo)注樣本圖像中的目標(biāo)并賦值目標(biāo)之間每種空間關(guān)系的隸屬度，包括左和右、上和下、遠(yuǎn)和近以及包含和不包含，建立隸屬度矩陣P(N×8)，并計算目標(biāo)之間的空間關(guān)系直方圖；

步驟S22：計算每類場景中每兩類目標(biāo)的每種空間關(guān)系隸屬度值的均值、方差及其權(quán)重；

步驟S23：針對測試樣本圖像，利用模糊K近鄰分類器分類其目標(biāo)之間的空間關(guān)系直方圖，計算空間關(guān)系的隸屬度值。

4.根據(jù)權(quán)利要求1所述的圖像場景分類方法，其特征在于，所述步驟S3中，圖像SR-pLSA建模包括步驟：

步驟S31：針對訓(xùn)練樣本圖像，提取其SIFT特征，通過聚類生成視覺詞匯；

步驟S32：提出融合主題之間空間關(guān)系特性的概率隱含語義分析模型SR-pLSA；

步驟S33：采用SR-pLSA建模文檔、主題、主題之間空間關(guān)系以及字之間的關(guān)系，建立圖像語義模型。

5.根據(jù)權(quán)利要求1所述的圖像場景分類方法，其特征在于，所述步驟S4中，SVM分類包括步驟：

步驟S41：將步驟S33中所得樣本圖像語義模型，以及圖像場景類別標(biāo)識作為SVM分類器的輸入，訓(xùn)練分類器；

步驟S42：在分類階段，先用SR-pLSA建立圖像語義模型，然后采用訓(xùn)練好的SVM分類圖像場景。

6.根據(jù)權(quán)利要求4所述的圖像場景分類方法，其特征在于，所述步驟S33中的文檔為圖像、主題為目標(biāo)、字為視覺單詞。