[发明专利]基于补充文本特征的图像分类方法在审
| 申请号： | 201610939529.9 | 申请日： | 2016-10-25 |
| 公开（公告）号： | CN106529586A | 公开（公告）日： | 2017-03-22 |
| 发明（设计）人： | 郭继昌;王楠;张帆 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/46 |
| 代理公司： | 天津市北洋有限责任专利代理事务所12201 | 代理人： | 刘国威 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及数字图像处理技术领域，为解决视觉词袋模型中由于文本特征信息缺失而导致的图像特征辨别力下降最终影响分类结果的问题，提出一种对文本特征进行补充的方法用于图像分类。本发明，基于补充文本特征的图像分类方法,步骤如下(1)分别提取数据集中图像的SIFT特征、颜色特征、形状和边界特征；(2)从补充的文本特征中随机选取200000个通过K‑奇异值分解方法K‑SVD训练得到字典B；(3)通过学习到的字典B，得到稀疏特征向量C；(4)对稀疏征进行空间最大值汇聚；(5)将图像特征向量F送入线性SVM分类器，分别进行训练和测试得到图像分类结果。本发明主要应用于数字图像处理。 | ||
| 搜索关键词： | 基于 补充 文本 特征 图像 分类 方法 | ||
【主权项】：
一种基于补充文本特征的图像分类方法，其特征是，步骤如下：(1)分别提取数据集中图像的SIFT特征、颜色特征、形状和边界特征，并将颜色、形状和边界特征作为补充信息融入到SIFT特征中，得到补充的文本特征；(2)从补充的文本特征中随机选取200000个通过K‑奇异值分解方法K‑SVD训练得到字典B；(3)通过学习到的字典B，利用正交匹配追踪法对单幅图像的所有的文本特征X进行稀疏编码，得到稀疏特征向量C；(4)对稀疏征进行空间最大值汇聚，并将汇聚后特征进行归一化处理得到图像的特征向量F；(5)将图像特征向量F送入线性SVM分类器，分别进行训练和测试得到图像分类结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津大学，未经天津大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610939529.9/，转载请声明来源钻瓜专利网。
