基于快速鲁棒特征集合统计特征的图像分类方法

来源：计算机应用杂志2015年第1期北京时间：

作者：王澍, 吕学强, 张凯, 李卓

单位：1. 北京信息科技大学 网络文化与数字传播北京市重点实验室, 北京100101;2. 北京市朝阳区市政市容管理委员会 交通运行协调指挥中心, 北京100021

摘要：针对现有利用快速鲁棒特征(SURF)进行图像分类的方法中存在的效率低、正确率低的问题,提出一种利用图像SURF集合的统计特征进行图像分类的方法.该方法将SURF的各个维度及尺度信息视为各自独立的随机变量,并利用拉普拉斯响应区分不同数据.首先,获取图像的SURF向量集合;然后,分维度计算SURF向量集合的一阶中心绝对矩、带权一阶中心绝对矩等统计特征,并构建特征向量;最后,结合支持向量机(SVM)进行图像分类.在Corel 1K图像库上的实验结果表明,该方法查准率较SURF直方图方法和三通道Gabor纹理特征方法分别提高17.6%和5.4%.通过与HSV直方图特征进行高级特征融合,可获得良好的分类性能.与SURF直方图结合HSV直方图方法、三通道Gabor纹理特征结合HSV直方图方法、基于视觉词袋(BoVW)模型的多示例学习方法相比,查准率分别提高了5.2%,6.8%,3.2%.

关键词：快速鲁棒特征,图像分类,统计特征,随机变量,支持向量机

基金资助：国家自然科学基金资助项目(61271304);北京市教委科技发展计划重点项目暨北京市自然科学基金B类重点项目(KZ201311232037);北京市属高等学校创新团队建设与教师职业发展计划项目(IDHT20130519).