结合Fisher判别分析和稀疏编码的图像场景分类

摘要：

视觉词典法是当前广泛使用的一种图像表示方法, 针对传统视觉词典法存在的表示误差大、空间信息丢失以及判别性弱等问题, 提出一种基于 Fisher 判别稀疏编码的图像场景分类算法. 首先利用近邻视觉词汇重构局部特征点, 构建局部特征点的非负稀疏局部线性编码, 从而有效地利用图像的空间信息; 然后在非负稀疏局部线性编码的基础上引入Fisher判别约束准则, 构建基于Fisher判别约束的非负稀疏局部线性编码模型, 以获得图像的判别稀疏向量表示, 增强图像稀疏表示的判别性; 最后结合支持向量机(SVM)分类器实现场景分类. 实验结果表明, 该算法提高了图像稀疏表示的特征分类能力以及分类性能, 更有利于场景分类任务.

关键词：场景分类、图像表示、非负稀疏局部线性编码、Fisher判别约束准则

所属期刊栏目：27

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61309016

在线出版日期：2015-07-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：808-814