[發明專利]潛在狄利克雷模型的多尺度字典自然場景圖像分類方法

在審

• 申請號: 201310306975.2
• 申請日: 2013-07-20
• 公開（公告）號: CN103390046A
• 公開（公告）日: 2013-11-13
• 發明（設計）人: 王爽;焦李成;張雪;牛振興;馬文萍;馬晶晶;陳陽平
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/62
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

1.一種潛在狄利克雷模型的多尺度字典自然場景圖像分類方法，包括如下步驟：

(1)分別建立自然場景圖像分類訓練集和圖像分類測試集；

(2)提取訓練集中每幅圖像采樣點尺度不變特征集合F，生成多尺度字典D：

(2a)用網格采樣方法對訓練集中的每幅圖像進行網格采樣，得到每幅圖像的網格采樣點SP；

(2b)用尺度不變特征提取方法對訓練集中每幅圖像的網格采樣點SP提取尺度不變特征，得到訓練集中每幅圖像的尺度不變特征集合F；

(2c)用K均值聚類算法分別對訓練集上每幅圖像網格采樣點的尺度不變特征F進行聚類，生成字典D；

(3)用多尺度字典D對訓練集中每幅圖像進行字典映射詞袋模型BOW描述，得到每幅圖像對應的多尺度稀疏表示向量W；

(4)用Gibbs采樣方法估計潛在狄利克雷模型中的隱參數，得到訓練集中每幅圖像的潛在語義主題模型Z和潛在語義主題分布θ；

(5)用圖像潛在語義主題模型Z生成測試集中每幅圖像潛在語義主題分布θ₁；

(6)將訓練集中每幅圖像的潛在語義主題分布θ和其對應的類別l作為訓練數據，用支撐向量機SVM算法獲得自然場景分類模型E；

(7)根據自然場景分類模型E對測試圖像進行分類。

2.根據權利要求1所述的潛在狄利克雷模型的多尺度字典自然場景圖像分類方法，其中步驟(1)所述的分別建立自然場景圖像分類訓練集和圖像分類測試集，是先根據使用需要定義N個自然場景圖像類別，類別編號為1～N；再在每個自然場景圖像類別中隨機選取50～100幅圖像組成自然場景圖像分類訓練集，其余圖像組成自然場景圖像分類測試集。

3.根據權利要求1所述的潛在狄利克雷模型的多尺度字典自然場景圖像分類方法，其中步驟(2a)所述的用網格采樣方法對訓練集中的每幅圖像進行網格采樣，得到每幅圖像的網格采樣點SP，步驟如下：

(2a1)對訓練集中每幅圖像按M₁×M₁、M₂×M₂和M₃×M₃像素大小的網格進行采樣，得到對應網格大小的網格采樣點SP₁、SP₂、SP₃，其中M₁、M₂、M₃均為偶數，取值范圍是2-20，且M₁≠M₂≠M₃；

(2a2)用網格采樣點SP₁、SP₂、SP₃構成集合SP＝(SP₁,SP₂,SP₃)，即得到每幅圖像的網格采樣點SP。

4.根據權利要求1所述的潛在狄利克雷模型的多尺度字典自然場景圖像分類方法，其中步驟(2b)所述的用尺度不變特征提取方法對訓練集中每幅圖像的網格采樣點SP提取尺度不變特征，得到訓練集中每幅圖像的尺度不變特征集合F，步驟如下：

(2b1)分別在采樣點SP₁、SP₂、SP₃周圍的P₁×P₁、P₂×P₂和P₃×P₃像素大小區域上計算梯度方向直方圖，得到其對應的尺度不變特征子集合F₁、F₂、F₃，其中M₁、M₂、M₃是采樣網格的大小，M₁、M₂、M₃均為偶數，取值范圍是2-20，且M₁≠M₂≠M₃；

(2b2)用每幅圖像的尺度不變特征子集合F₁、F₂、F₃構成集合F＝(F₁,F₂,F₃)，即得到每幅圖像所有采樣點的尺度不變特征集合F。