[發明專利]一種整合特征字典結構與視覺特征編碼的圖像分類方法

在審

• 申請號: 201410693888.1
• 申請日: 2014-11-26
• 公開（公告）號: CN104331717A
• 公開（公告）日: 2015-02-04
• 發明（設計）人: 楊育彬;朱啟海
• 申請（專利權）人: 南京大學
• 主分類號: G06K9/66
• 分類號: G06K9/66
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 胡建華

1.一種整合特征字典結構與視覺特征編碼的圖像分類方法，其特征在于，包括如下步驟：

步驟1，提取圖像的視覺特征：對每幅圖像進行局部采樣，得到一組區域塊，提取每塊區域的視覺特征，得到每幅圖像對應的視覺特征集合，稱所有圖像的視覺特征集合的整體為所有圖像的視覺特征集，記為集合X；

步驟2，特征字典學習：以集合X為輸入，使用特征字典學習方法，得到由一組具有代表性的視覺單詞組成的特征字典；

步驟3，視覺特征編碼：將每幅圖像的每個視覺特征表示成視覺單詞的線性組合，每個視覺單詞對應一個系數，稱這組系數為視覺特征的編碼；

步驟4，視覺特征編碼的空間匯合：以每幅圖像的所有視覺特征的編碼為輸入，使用統計方法，將每幅圖像表示為一個向量，該向量就是對應圖像的圖像特征表示；

步驟5，將步驟4得到的每幅圖像的編碼作為輸入，使用分類模型進行訓練和分類，得到分類結果。

2.根據權利要求1所述的方法，其特征在于，步驟1包括如下步驟：

對于圖像I進行局部采樣，每次采樣得到一個區域塊，每個區域塊提取一個視覺特征，得到圖像I的視覺特征集合LFS_I，最終得到所有圖像的視覺特征集合X＝[x₁,x₂,…,x_N]∈R^d×N，其中，d表示視覺特征的維度，N表示所有圖像的視覺特征的總數，x_i表示第i個視覺特征，i取值1～N。

3.根據權利要求2所述的方法，其特征在于，步驟2包括如下步驟：

以集合X為輸入，使用特征字典學習方法，得到由一組具有代表性的視覺單詞組成的特征字典，將該特征字典記為：B＝[b₁,b₂,…,b_M]∈R^d×M，其中M為視覺單詞的個數；b_j是一個維度d的列向量，表示第j個視覺單詞，j取值1～M。

4.根據權利要求3所述的方法，其特征在于，步驟3包括如下步驟：

針對視覺特征x_i，選取視覺特征x_i的由步驟2得到的特征字典B中的p個最近鄰的視覺單詞，即與視覺特征x_i的距離最小的p個視覺單詞，p取值1～M，記這p個視覺單詞組成的特征字典為B_i，i取值1～N，求出特征字典B_i中各視覺單詞之間的距離所表示的矩陣D_i，矩陣D_i的第m行s列的元素為特征字典B_i中對應視覺單詞之間的距離，m，s＝1,2,…,p；再計算視覺特征x_i到特征字典B_i的各視覺單詞的距離表示的列向量d_i，d_i的第n個分量d_in表示視覺特征x_i與B_i中第n個視覺單詞之間的距離，n＝1,2,…,p，以x_i，d_i，D_i，B_i和兩個參數λ與β為輸入，λ,β≥0，最小化下式，得到x_i在B_i上的編碼

||xi-Bizip||22+λ||di⊗zip||22+βzipTDizip,]]>約束條件：1Tzip=1]]>

其中表示點積，即兩個向量對應的分量相乘得到一個新向量；求解得到x_i在這p個視覺單詞的編碼結果最后對編碼中的分量排序，得到k個最大的編碼系數及其對應的k個視覺單詞構成的特征字典k＝1,2,…,p，則視覺特征x_i的編碼z_i是一個M維的向量，向量中與對應的分量為其余分量都置為0。