基于中層特征的圖像分類.pdf

1、本論文主要研究基于中層特征的圖像分類。相比于傳統(tǒng)的圖像底層特征，中層特征語義信息更豐富、穩(wěn)定性更好、判別能力更強(qiáng)，因而更適應(yīng)于現(xiàn)代多媒體技術(shù)的發(fā)展。FV(Fisher Vector)中層特征由于其分類能力強(qiáng)，對分類器不敏感等優(yōu)點獲得了廣泛的關(guān)注。
　　本文首先針對FV特征計算量大的缺點，使用稀疏FV進(jìn)行了加速。本文提出了快速稀疏FV和自適應(yīng)稀疏FV，能適應(yīng)不同場景下的圖像分類需求。在通過實驗驗證稀疏FV的同時，從理論上分析稀疏FV

2、提升計算效率的原因，為進(jìn)一步改進(jìn)稀疏FV打下基礎(chǔ)。
　　其次本文提出利用圖像前景先驗分布來抑制圖像中背景成分，提高分類精度的算法。首先使用objectness算法得到可能包含前景的窗口，再使用貝葉斯概率模型求出圖像前景的概率分布，通過對各特征的加權(quán)增強(qiáng)前景特征在圖像表達(dá)中的作用。實驗證明前景先驗分布提高了分類效果，并能與各種中層特征算法相結(jié)合。
　　最后本文針對傳統(tǒng)圖像分類算法無法識別未訓(xùn)練類別的不足，使用屬性特征實現(xiàn)了圖像