[发明专利]一种结合不同大小视觉词汇本的图像分类方法

摘要

本发明公开了一种基于视觉词汇本集体的图像分类方法，涉及模式识别、计算机视觉、图像理解技术领域。本发明利用多分辨率信息来量化图像，来自于不同综合层的多种可用线索并行用来分类图像。为了利用不同粒度的信息来分类图像，图像在基于不同大小的视觉词汇本上量化，这些不同大小的视觉词汇本可以捕获不同的图像特征。然后基于不同大小的视觉词汇本，训练图像集得到不同的量化矢量集，从而可以学习到不同的分类器，每种分类器根据图像不同粒度的信息得到物体不同的模型，集成这些分类器模型来分类新的图像时能产生更好的效果。实验结果表明本发明能显著提高单一大小的视觉词汇本的性能，具有很强的鲁棒性，对不同的图像都能得到好的分类效果。

主权项

一种基于视觉词汇本的图像分类方法，其特征在于利用多分辨率信息来量化图像，来自于不同综合层的多种可用线索并行用来分类图像，为了利用不同粒度的信息来分类图像，图像在基于不同大小的视觉词汇本上量化，这些不同大小的视觉词汇本可以捕获不同的图像特征，包括以下步骤：(1) 用兴趣点检测子提取训练图像的兴趣点，然后用描述子描述提取出来的兴趣点；(2) 随机选择一部分描述好的兴趣点，在其上运行聚类算法得到一个成员视觉词汇本，通过设置不同的簇个数作为聚类算法的参数，得到具有不同大小的成员视觉词汇本；(3) 基于这个成员视觉词汇本对训练图像集进行量化；(4) 在量化后的训练数据集上学习一个分类器；(5) 重复步骤2到步骤4，生成预设大小的视觉词汇本集体和分类器集体；(6) 基于一个成员视觉词汇本，对新图像进行量化；(7) 使用对应成员分类器分类新图像，得到分类结果；(8) 重复步骤6到步骤7，直到每个成员分类器得到了自己的分类结果；(9) 利用集成技术集成成员分类器的分类结果得到最终图像分类标签。