[發明專利]基于非參數空間判決隱狄利克雷模型的場景分類方法

在審

• 申請號: 201310392891.5
• 申請日: 2013-09-01
• 公開（公告）號: CN103440501A
• 公開（公告）日: 2013-12-11
• 發明（設計）人: 牛振興;王斌;高新波;宗汝;鄭昱;李潔
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/66
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 田文英;王品華

技術領域

本發明屬于圖像處理技術領域，更進一步涉及模式識別技術領域中的一種基于非參數空間判決隱狄利克雷（Nonparametric?Spatial?Discriminative?Latent?Dirichlet?Allocation，NS-DiscLDA）模型的場景分類方法。本發明可用于對自然圖像的場景分類，提高場景分類準確率。

背景技術

場景分類是圖像理解的基本任務之一，它在場景識別中有非常重要的作用。傳統的場景分類通常基于三種方法：其一，基于圖譜分析的圖像集合的場景分類方法；其二，基于監督流形學習的場景分類方法；其三，基于目標及其空間關系特性的場景分類方法。

清華大學申請的專利“基于譜圖分析的圖像集合的場景分類方法及裝置”（申請號：201110221407.3申請日：2011-08-03申請公布號：CN102542285A）中公開了一種場景分類方法。該方法通過交互時間確定隸屬度，主要解決現有方法中非線性數據丟失的問題，進而提高分類準確率。該方法實施方式是：首先提取圖像集合的SIFT特征集合，并得到K個聚類和K個碼字，根據任意圖像的SIFT特征和碼字建立有權圖譜，確定有權圖譜與任意節點的歐氏距離最近的K’個節點，得到節點集合對應的權重矩陣，然后根據權重矩陣得到拉普拉斯算子矩陣，對拉普拉斯算子矩陣進行運算得到任意圖像的每一個SIFT特征與K個碼字之間的交互時間，根據交互時間確定隸屬度，最后根據隸屬度確定碼字分配結果，根據分配結果對場景進行分類。但是，該專利申請的方法存在的不足之處是：單純利用分類器對圖像場景進行分類，缺失了場景中語義信息，進而降低了場景分類的準確率。

清華大學申請的專利“基于監督流形學習的場景分類方法及裝置”（申請號：201110202756.0申請日：2011-07-19申請公布號：CN102254194A）中公開了一種場景分類方法。該方法利用流形學習對圖像場景進行了分類，主要解決現有方法沒有考慮高維特征點的流形特征的問題。該方法實施方式是：首先提取圖像特征并獲取特征的聚類中心組成的碼本，然后獲取每個流形結構上的各個特征到碼字上的度量，計算測試圖像的特征到碼字的隸屬度并得到直方圖向量，最后利用支持向量機對直方圖向量進行學習，得到圖像的場景類別。但是，該專利申請的方法存在的不足之處是：該方法采用了流形學習技術，然而流形學習技術的分類能力較弱，從而導致了場景分類的準確率降低，另外該方法的計算復雜度太高，導致場景分類速度降低。

中國科學院電子學研究所申請的專利“一種基于目標及其空間關系特性的圖像場景分類方法”（申請號：201110214985.4申請日：2011-07-29申請公布號：CN102902976A）中公開了一種場景分類方法。該方法通過融合主題之間的空間關系特性提高場景分類準確率。該方法實施方式是：首先定義一種空間關系直方圖，表征目標之間的空間關系，然后采用融合主題之間空間關系特性的概率隱含語義分析模型，建立圖像模型，最后用支持向量機分類場景圖像。但是，該專利申請的方法存在的不足之處是：由于該方法采用了pLSA主題模型建模的方法，然而pLSA主題模型缺失先驗信息，導致細節信息丟失進而降低了場景分類的準確率。

發明內容

本發明的目的在于克服上述現有技術的不足，提出基于非參數空間判決隱狄利克雷模型的場景分析方法，更為全面地描述圖像，提高場景分類準確率。

實現本發明的技術思路是，將圖像均勻分割為許多8×8的圖像塊，提取圖像塊的SIFT特征，獲取圖像塊的空間坐標，利用圖像塊的特征和空間坐標建立非參數空間判決隱狄利克雷模型，使得模型中包含圖像塊的空間信息，達到更為全面地描述圖像，提高場景分類準確率的目的。

為實現上述目的，本發明包括如下主要步驟：

（1）輸入圖像：輸入人工標注場景類別的訓練圖像。

（2）提取圖像塊特征。

將訓練圖像分成多個8×8的圖像塊，對每個圖像塊提取SIFT特征，記錄每個圖像塊的空間坐標。

（3）初始化模型參數：對非參數空間判決隱狄利克雷模型進行手工初始化，獲得場景元素空間分布參數。

（4）建立非參數空間判決隱狄利克雷模型。

估計模型中每個主題的單詞分布的參數，對圖像塊的特征和空間坐標進行統計建模，建立非參數空間判決隱狄利克雷模型。

（5）圖像場景分類。

根據非參數空間判決隱狄利克雷模型，預測測試圖像的類別標記，完成圖像場景的分類。

本發明與現有方法相比具有如下優點：