基于p.d.f特征的分层稀疏表示在图像分类中的应用

摘要：

为了在计算机视觉任务中构造有意义的图像表示,提出一种基于概率密度函数(p.d.f)梯度方向直方图特征的分层稀疏表示方法用于图像分类.传统分层稀疏表示方法利用SIFT描述子或者直接从图像块学习图像表示,通常不具有较强判别性.该文利用具有通用性的p.d.f特征进行分层学习并使用空间金字塔最大池化方式构造图像级稀疏表示.实验结果证明了所提算法的鲁棒性和有效性,在UIUC-Sports,Oxford Flowers,Scene15三类数据集上分别达到87.3%,86.6%,84.1%的分类准确率.

关键词：图像分类、分层稀疏表示、空间金字塔最大池化、图像表示

所属期刊栏目：40

分类号：TN911.73-34;TP391.4

资助基金：国家重点基础研究发展计划国家"973"项目:网络大数据感知融合与表示方法研究2014CB340403

在线出版日期：2017-06-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：95-98,102