基于特征组合的图像场景分类-电子科学与技术专业论文.docxVIP

湘潭大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的 研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或 集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均 已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名： 日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保 留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。 本人授权湘潭大学可以将本学位论文的全部或部分内容编入有关数据库进行检 索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 涉密论文按学校规定处理。 作者签名： 日期： 年 月 日 导师签名： 日期： 年 月 日 I I 摘 要 图像场景分类是图像理解中高层语义的重要研究内容，旨在通过分析图像的 全局统计和关联特征，实现图像场景的语义标注。作为计算机视觉领域的一个重 要分支，场景分类可以在很多场所有重要和广泛的应用。由于传统的单纯依靠人 工分类的方法明显不能够满足要求，自动化的场景分类应运而生。 近年来，针对场景分类算法有了很多的研究，这些算法都在不同程度存在一 定的缺陷，比如：Gist 特征不能够很好地把图像的局部信息描述清楚，局部 Gist 特征存在计算困难等。在本文中，提出了一种基于改进的 Gist 特征的方法，用来 提取图像的特征，在此基础上结合 PHOG 特征进行图像的场景分类，设计场景 分类系统。该系统可以很好的应用于场景分类中。针对不同的场景分类要求，主 要做了以下几个方面的工作： 1．本文首先介绍了 Gist 特征，在此基础上测试了采用不同规格的网格来划 分场景图像，之后用滤波器组来对图像进行滤波，级联之后得到图像的描述特征。 为了提高场景分类的正确率，本文采用更为细化的网格划分场景图像，通过实验 测试得到最适合的网格划分图像，为后续的场景分类系统中划分合适的网格给出 了解释。 2．详细地介绍了如何提取改进 Gist 特征。将改进的 Gist 特征与 PHOG 特征 进行组合，发挥 PHOG 特征的优势，弥补 Gist 特征的不足之处，用组合的向量 来描述图像场景，使得图像场景中的信息能够得到更好的描述。以此为场景描述 的基础向量，通过机器学习中的训练分类器，得到场景分类模型，最后进行场景 分类测试。 3．本文将场景分类首先区分为自然-人造场景两类，使用现有的二类分类器 对场景进行两类分类。与现有的几种场景分类方法进行了对比，实验结果表明本 文的方法能够有效地提升场景分类的正确率，对于自然场景-人造场景分类其正 确率可以提升至 96.84%。在多类分类系统中，为区别于以往的一对一或者一对 多的分类模型，本文设计的是多级分类系统，首先进行基于特征组合的自然场景 与人造场景分类；在此基础上采用对自然场景和人造场景中每一小类别训练出不 同的分类器，将这些分类器按照不同的设置组合成一个场景分类系统，完成场景 分类系统的整体设计。同样的与现有的集中分类方法进行了分类的对比，结果显 示本文所提出的分类系统在分类时间和分类正确率上均较其它几种方法有一定 的提升。 通过对人造-自然场景分类以及多类场景分类的测试结果进行比较和分析， II II 表明本文方法具有可行性。 关键词：场景分类；改进的 Gist 特征；金字塔方向梯度直方图；机器学习；特征 组合； PAGE PAGE VI Abstract The image scene classification is an important part of the high-level semantic image understanding, aiming at the semantic annotation process by analyzing the image on the overall statistics and associated features. Scene classification belonging to the major branch of computer vision has an important and widely used in variety field. The automation of scene classification arises at the historic moment due to the conventional method that relying on artificial classification obviously can not meet the demand. Many