[发明专利]一种基于非线性尺度空间的场景分类方法

摘要

本发明公开了一种基于非线性尺度空间的场景分类方法，构建非线性尺度空间，提取并融合图像颜色特征和空间特征，得到C‑KAZE特征描述向量，通过K‑means将得到的C‑KAZE特征向量聚类生成视觉词包，经过编码池化后，得到高层语义，结合BoVW模型，SPM模型提取并融合图像的高层语义特征和空间布局信息，通过编码和平均池化操作得到最终的特征向量，输入SVM分类器完成场景分类。本发明可快速有效的完成高分辨率，大数据量的场景图像分类，其平均分类准确率和实时性均高于现有分类算法。

主权项

1.一种基于非线性尺度空间的场景分类方法，其特征在于，包括以下步骤：1)构造非线性尺度空间；2)建立HSV颜色空间，来表示颜色的色调H，饱和度S和亮度V属性；3)对HSV颜色空间中的3个分量进行非等间隔量化，从而构造颜色量化矩阵Y；4)生成融合颜色信息的KAZE特征描述子，具体如下：4‑1)采用KAZE算法构建非线性尺度空间检查图像特征点信息，确定特征点所在层次中图像的大小信息，对颜色量化矩阵Y大小变换得到Y1，使得矩阵Y1与特征点所在层次图像大小相同，用来代替灰度图像生成特征向量，使得KAZE特征描述子被赋予颜色属性；4‑2)利用矩阵Y1中灰度图像的特征点方向信息，将坐标轴旋转为特征点的主方向，保持旋转不变性，以特征点为中心，取4×4的窗口，计算每一个Y1元素的幅值和梯度方向，使用高斯核σ1＝2.5σi对每一个子区域加权，从而计算出一个4维的区域描述向量dv，再用另一个4×4高斯窗口，高斯核σ2＝1.5σi对dv加权，归一化去除光照影响，得到64维融合颜色信息的KAZE特征向量，定义为：dC‑KAZE＝(∑dx,∑dy,∑|dx|,∑|dy|)                                   (7)其中，dC‑KAZE表示C‑KAZE特征向量，dx，dy分别表示Y1子区域上像素点在x和y方向的值，|dx|，|dy|是dx，dy的绝对值；5)通过K‑means将步骤4)中得到的融合颜色信息的KAZE特征向量聚类生成视觉词典，经过编码池化后，得到高层语义特征；6)引入空间金字塔匹配模型，在空间层次上把图像划分为金字塔的形式，选择图像空间金字塔的构建层级，分别提取每层中各子块的特征，以作为不同层级下的加权值；最后再将所有层级得到的空间特征直方图加权组合为图像空间金子塔描述，从而得到空间位置特征；其中，L表示金字塔总层级，l表示当前层级数，l＝0,1,……,L；7)融合多特征，得到最终的特征向量，输入SVM分类器完成分类。