[發明專利]一種基于圖像顯著性與Object Bank的場景分類方法

有效

• 申請號: 201710422205.2
• 申請日: 2017-06-07
• 公開（公告）號: CN107341505B
• 公開（公告）日: 2020-07-28
• 發明（設計）人: 王志成;衛剛;陳夢婷
• 申請（專利權）人: 同濟大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 上?？剖⒅R產權代理有限公司 31225
• 代理人: 宣慧蘭

1.一種基于圖像顯著性與Object Bank的場景分類方法，其特征在于，該方法包括如下步驟：

(1)針對每一種場景分別選取訓練樣本，對訓練樣本中的圖像采用基于圖像顯著性與Object Bank的方法提取樣本圖像高層特征；

(2)對訓練樣本中的圖像的樣本圖像高層特征通過主判別分析方法進行降維得到樣本圖像降維特征向量并輸入至分類器；

(3)對測試圖像采用基于圖像顯著性與Object Bank的方法提取測試圖像高層特征；

(4)對測試圖像的測試圖像高層特征通過主判別分析方法進行降維得到測試圖像降維特征向量；

(5)將測試圖像降維特征向量輸入至所述的分類器，分類器對測試圖像進行分類得到測試圖像所對應的場景；

步驟(2)和(4)中主判別分析方法進行降維得到樣本圖像降維特征向量或測試圖像降維特征向量的具體方法為：

(b1)計算高層特征的類間離散度矩陣S_B和類內離散度矩陣S_W；

(b2)求取S_W^-1S_B的所有特征值λ_1i，i＝1,2……n，n為特征值總個數；

(b3)求取第i個特征值λ_1i所對應的特征向量的類間類內比權重α_i：

(b4)計算高層特征的主成分矩陣P^T；

(b5)計算主成分矩陣P^T的所有特征值λ_2i，i＝1,2……n，n為特征值總個數；

(b6)求取第i個特征值λ_2i所對應的特征向量的主成分權重β_i：

(b7)求取主判別分析權重w_i：

w_i＝εα_i+(1-ε)β_i，

ε為設定的常參數，0≤ε≤1；

(b8)對w_i由大到小進行排序，選取前k個w_i對應的特征向量為降維特征向量。

2.根據權利要求1所述的一種基于圖像顯著性與Object Bank的場景分類方法，其特征在于，步驟(1)和(3)中基于圖像顯著性與Object Bank的方法進行樣本圖像高層特征或測試圖像高層特征提取具體方法為：

(a1)通過基于圖論的顯著性分析算法獲取待高層特征提取圖像I的GBVS顯著圖A；

(a2)通過基于譜殘差的顯著性分析算法獲取待高層特征提取圖像I的SR顯著圖S；

(a3)將GBVS顯著圖A和SR顯著圖S疊加至待高層特征提取圖像I中得到具有顯著性的圖像I′；

(a4)對具有顯著性的圖像I′采用Object Bank方法進行特征提取得到待高層特征提取圖像I的高層特征。

3.根據權利要求2所述的一種基于圖像顯著性與Object Bank的場景分類方法，其特征在于，步驟(a3)中具體為：

對待高層特征提取圖像I中的所有像素點像素值進行更新得到具有顯著性的圖像I′，對于任意像素點(i，j)的像素值I(i,j)采用下述公式更新得到該像素點進行顯著性疊加后對應的像素值I′(i,j)：

I′(i,j)＝I(i,j)+αA(i,j)+βS(i,j)，

其中，A(i,j)為像素點(i，j)在GBVS顯著圖A中對應的GBVS顯著值，S(i,j)為像素點(i，j)在SR顯著圖S中對應的SR顯著值，α和β為權重參數。

4.根據權利要求3所述的一種基于圖像顯著性與Object Bank的場景分類方法，其特征在于，權重參數α和β通過下述方式得到：

(a31)將GBVS顯著圖A和SR顯著圖S進行歸一化，將各顯著圖中的顯著值規范化到[0,1]之間；

(a32)分別計算GBVS顯著圖A和SR顯著圖S中所有像素點的顯著值和為sum(A)和sum(S)；

(a33)通過下式計算權重參數α和β：