哈希编码结合空间金字塔的图像分类

发布时间：2017-10-11 11:29

  本文关键词：哈希编码结合空间金字塔的图像分类

  更多相关文章： 哈希编码 空间金字塔匹配模型 稀疏编码 二进制K均值聚类 图像分类

【摘要】：目的稀疏编码是当前广泛使用的一种图像表示方法,针对稀疏编码及其改进算法计算过程复杂、费时等问题,提出一种哈希编码结合空间金字塔的图像分类算法。方法首先,提取图像的局部特征点,构成局部特征点描述集。其次,学习自编码哈希函数,将局部特征点表示为二进制哈希编码。然后,在二进制哈希编码的基础上进行K均值聚类生成二进制视觉词典。最后,结合空间金字塔模型,将图像表示为空间金字塔直方图向量,并应用于图像分类。结果在常用的Caltech-101和Scene-15数据集上进行实验验证,并和目前与稀疏编码相关的算法进行实验对比。与稀疏编码相关的算法相比,本文算法词典学习时间缩短了50%,在线编码速度提高了1.3~12.4倍,分类正确率提高了1%~5%。结论提出了一种哈希编码结合空间金字塔的图像分类算法,利用哈希编码代替稀疏编码对局部特征点进行编码,并结合空间金字塔模型用于图像分类。实验结果表明,本文算法词典学习时间更短、编码速度更快,适用于在线词典学习和应用。
【作者单位】： 河南工程学院计算机学院;河南图像识别工程技术中心;
【关键词】： 哈希编码 空间金字塔匹配模型 稀疏编码 二进制K均值聚类 图像分类
【基金】：国家自然科学基金项目(61301232)~~
【分类号】：TP391.41
【正文快照】： 第21卷/第9期/2016年9月彭天强,栗芳/哈希编码结合空间金字塔的图像分类0引言图像分类是计算机视觉领域中的一个重要问题,在目标识别、图像检索和视觉监控等领域中均有着广泛应用。视觉词袋(Bo VW)模型[1]被广泛应用于图像分类中,但Bo VW模型未考虑局部特征之间的空间关系,这，

本文编号：1012267