[发明专利]一种多特征的概率主题模型的图像场景分类方法在审
| 申请号： | 201811077631.8 | 申请日： | 2018-09-15 |
| 公开（公告）号： | CN109325434A | 公开（公告）日： | 2019-02-12 |
| 发明（设计）人： | 孙雪莹;陈锦言 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/46;G06K9/62 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 程毓英 |
| 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： | 本发明涉及一种多特征的概率主题模型的图像场景分类方法，包括：将训练图像集中所有图像分块，分块大小为9×9，对每个块提取图像的局部颜色、SIFT和纹理特征；将提取的特征用向量表示，用K‑均值算法生成视觉词典；量化视觉词典中的视觉词，得到训练图像集上的特征视觉词分布；应用LDA模型，得到训练样本中各视觉词所属主题Z的分布与各训练图像主题概率θ的分布情况；将得到的视觉主题分布输入KNN‑SVM分类器，最优化KNN‑SVM分类器的参数K、V和Z；对测试图像集中的未分类图像，用LDA模型学习得到对应的视觉主题分布；将LDA处理得到的主题分布输入KNN‑SVM分类器。 | ||
| 搜索关键词： | 概率主题模型 视觉词典 视觉主题 图像场景 训练图像 视觉 训练图像集 测试图像 分类图像 局部颜色 均值算法 提取图像 图像分块 纹理特征 向量表示 训练样本 主题分布 最优化 分类 分块 量化 概率 应用 学习 | ||
【主权项】：
1.一种多特征的概率主题模型的图像场景分类方法，包括下列步骤：步骤1：在数据集中随机选择三分之二的图像作为训练集合；将训练图像集中所有图像分块，分块大小为9×9，对每个块提取图像的局部颜色、SIFT和纹理特征。步骤2：将提取的特征用向量表示，用K‑均值算法生成视觉词典；步骤3：量化视觉词典中的视觉词，得到训练图像集上的特征视觉词分布；步骤4：应用LDA模型，得到训练样本中各视觉词所属主题Z的分布与各训练图像主题概率θ的分布情况；步骤5：将得到的视觉主题分布输入KNN‑SVM分类器，使用训练图像集中的图像进行实验，最优化KNN‑SVM分类器的参数K、V和Z；步骤6：对测试图像集中的未分类图像，重复(1)至(3)步，得到特征视觉词的分布，使用(4)中训练图像得到的z的分布作为测试图像中各单词的主题分布情况，对测试图像，用LDA模型学习得到对应的视觉主题分布；步骤7：将LDA处理得到的主题分布输入KNN‑SVM分类器。
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/201811077631.8/，转载请声明来源钻瓜专利网。
