[發明專利]基于多特征融合的場景分類方法

在審

• 申請號: 201910901697.2
• 申請日: 2019-09-23
• 公開（公告）號: CN110659608A
• 公開（公告）日: 2020-01-07
• 發明（設計）人: 軒靖奇;蔡春花;王峰
• 申請（專利權）人: 河南工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.本發明公布了一種基于多特征融合的場景分類方法，主要用于場景圖像的準確預測，包括以下步驟：

(1)場景圖像預處理

主要完成對于場景圖像的尺寸、灰度轉化等預處理操作；

(2)特征提取

提取場景圖像的SIFT特征、GIST特征、PLBP特征、HOG特征，然后運用VLAD算法對局部特征進一步地編碼，以挖掘這些局部特征之間的相關信息，增強可判別能力，提高分類速度；同時，考慮提取圖像的HOG特征來獲得邊緣和梯度特征以很好的抓住局部形狀的特點；提取GIST特征以提高圖像全局描述能力；提取PLBP特征以提高紋理特征空間信息表達不足的問題；

(3)特征融合

保存步驟(2)中提取的場景圖像特征以備融合之用,之后按照隨機生成的10組訓練集和測試集文件載入特征矩陣，最后設置特征融合權值系數為1，并實現串行融合，對于步驟(3)其特征在于：假設在A、B、C三個特征空間中存在三個特征向量、β和γ，其中α∈A，β∈B，γ∈C，則對于串行融合就有若α,β,γ分別表示m，n和q維特征向量，則的維度為m+n+q，其中k,l,j是對應特征向量的權重系數，本發明采用串行融合方法，權重系數設為1，則最終融合的維度為(m+n+q+…)；

(4)歸一化處理

提取特征后為了消除特征之間的量綱、極端值或者噪點數據以及取值范圍差異等可能造成的影響、提高模型的收斂速度，對于步驟(3)采用標準差標準化方法進行處理，處理后特征數據均值為0，標準差為1；

(5)利用基于RBF核函數的支持向量機對場景圖像進行分類；

步驟(4)處理后的特征按照規則生成訓練集和測試集，并輸入到基于RBF核函數的支持向量機，生成每個分類對應的混淆矩陣和分類結果，每個批次對應的準確率，召回率，特征提取時間、分類及特征融合時間以及所有批次的平均準確率等性能指標。