[发明专利]一种基于空间共聚集的图像分类方法

摘要

本发明公开了一种基于空间共聚集的图像分类方法。在该方法中，首先，提取局部特征并用聚类算法得到视觉词典；然后，用编码算法对特征进行编码，将不同空间区域的特征聚集并串联到一起；最后，用通用的特征选择方法进行特征选择，并用选择的特征作为图像的表达以训练分类器用于对图像进行分类。本发明方法从不同空间区域组合的表达中选择最有区分力，更加鲁棒的特征作为图片的表达，从而可以反映特征在给定类别图片中的空间分布和共生信息。本发明方法能以极少的特征数量达到分类精度优于常规算法的效果。

主权项

一种基于空间共聚集的图像分类方法，其特征在于，该方法包括以下步骤：步骤S1，收集多幅图像，建立图像分类数据库，并将所述数据库分为训练集和测试集；步骤S2，提取所述数据库中所有图像的局部特征；步骤S3，从所述训练集的图像的局部特征中随机抽取出一定数量的局部特征，利用聚类算法学习得到一视觉词典D＝[d1，d2，…，dK]，其中，K表示视觉词典的大小，即聚类中心的个数；di为一个列向量，表示一个视觉单词，即聚类中心；步骤S4，对所述步骤S2提取得到的所有图像的局部特征进行编码；步骤S5，在空间上将所述数据库中的每一图像分成多个矩形块，并对每个矩形块内的局部特征分别进行聚集，作为该矩形块的特征表达；步骤S6，通过聚集的方法，将空间相邻的矩形块合并成一个区域，并将参与合并的几个矩形块聚集的结果作为合并得到的区域的特征表达；步骤S7，将所述步骤S6中得到的所有大小相同且无重叠的两个区域进行聚集，并将聚集的结果串联到一起作为该图像的特征表达；步骤S8，类似于所述步骤S5‑S7，得到所述训练集中所有图像的特征表达，并选取其中最具有区分力的特征作为所述训练集和测试集中图像的最终特征表达；步骤S9，基于所述步骤S8中选择得到最具有区分力的特征训练支持向量机，得到图像分类器；步骤S10，提取所述测试集中图像的最具有区分力的特征，并将该特征输入所述分类器中进行分类，从而得到所述测试集中该图像的分类结果。