基于多层次特征表示的图像场景分类算法

摘要：

传统场景分类采用底层尺度不变特征变换(SIFT)特征,运用词袋(BoW)模型以及空间金字塔(SPM)模型进行分类判别.然而,单一的低层描述的识别精度有限,无法有效表征内容多变的场景图像.本文提出基于多层次特征表示的图像场景分类算法,利用滑动窗均匀采样图像块,分别提取图像块的密集SIFT特征和卷积层卷积神经网络(CNN)特征,使用聚集局部描述符编码(VLAD)方法分别编码图像块的局部特征,将一幅图像的多个图像块特征顺序级联形成该幅图像的描述,由此构建包含局部语义信息的低层图像描述和中层图像描述.与此同时,将图像的低层描述与中层描述融合到图像的全连接层的高层语义中,从而获得整合了局部空间信息和全局语义信息的精确图像表示.本文在两个常用的场景数据集上进行了分类实验,结果表明,融合多层次特征描述的图像表示能够取得更好的分类结果.

关键词：低层描述、中层描述、高层语义、聚集局部描述符编码(VLAD)编码、场景分类

所属期刊栏目：29

资助基金：国家自然科学基金61303128;河北省自然科学基金F2017203169, F2018203239;河北省高等学校科学研究重点项目ZD2017080;河北省留学回国人员科技活动CL201621

在线出版日期：2019-05-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：213-221