基于空间矢量模型的图像分类方法

doi:10.13229/j.cnki.jdxbgxb20170444

摘要/Abstract

摘要： 针对词袋模型视觉单词没有考虑空间信息的不足,提出了一种基于视觉单词间空间位置信息的空间矢量模型。该模型利用视觉单词的空间位置信息,采用图像空间矢量模型对图像进行表述,从而达到了更好的分类效果。实验在两个标准图像数据集Caltech-101和Caltech-256上进行,分别采用支持向量机(SVM)和K最近邻分类器(KNN)对其进行分类。实验表明,空间矢量模型有效地提高了平均分类正确率(ACA)和平均类别准确率(ACP),具有很好的分类效果。

关键词: 信息处理技术, 图像分类, 空间矢量模型, 词袋模型, 矢量矩阵

Abstract: A space vector model is proposed to overcome the lack of spatial location information in the bag-of-words model. The model turns visual words into vector model using the space location information of visual words to represent image, thereby achieves better classification performance. Experiments are carried out on two standard image datasets Caltech-101 and Caltech-256, respectively, with Support Vector Machine (SVM) and K-Nearest Neighbor (KNN) classifiers. The results show that the space vector model can effectively improve the Average Classification Accuracy (ACA) and Average Category Precision (ACP), and has a good classification effect.

Key words: information processing technology, image classification, space vector model, bag-of-words model, vector matrix

中图分类号:

TP391.4

陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.

CHEN Mian-shu, SU Yue, SANG Ai-jun, LI Pei-peng. Image classification methods based on space vector model[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.

参考文献

[1] Li Fei-fei.Visual recognition: computational models and human psychophysics[D]. Pasadena: College of Electronic Engineering, California Institute of Technology,2005.
[2] 刘佳,傅卫平,王雯,等. 基于改进SIFT算法的图像匹配[J]. 仪器仪表学报,2013,34(5):1107-1112.
Liu Jia, Fu Wei-ping, Wang Wen, et al.Image matching based on improved sift algorithm[J]. Chinese Journal of Scientific Instrument,2013,34(5):1107-1112.
[3] 生海迪. 视觉词袋模型的改进及其在图像分类中的应用研究[D]. 济南:山东师范大学信息科学与工程学院,2015.
Sheng Hai-di.The improvement of bag-of-visual-words model and its application research in images classification[D]. Ji'nan: College of Information Science and Engineering, Shandong Normal University,2015.
[4] Lazebnik S, Schmid C, Ponce J.Beyond bags of features: spatial pyramid matching for recognizing natural scene categories[C]∥IEEE Conference on Computer Vision and Pattern Recognition(CVPR),New York, USA,2006:2169-2178.
[5] Wu Lei, Hu Yang, Li Ming-jing, et al.Scale-invariant visual language modeling for object categorization[J]. IEEE Transactions on Multimedia,2009,11(2):286-294.
[6] Jiang Y, Wang R, Wang C.Scene classification with context pyramid features[J]. Journal of Computer-Aided Design and Computer Graphics,2010,22(8):1366-1373.
[7] 纪昌明,周婷,向腾飞,等. 基于网格搜索和交叉验证的支持向量机在梯级水电系统隐随机调度中的应用[J]. 电气自动化设备,2014,34(3):125-127.
Ji Chang-ming,Zhou Ting,Xiang Teng-fei,et al.Application of support vector machine based on grid search and cross validation in implicit stochastic dispatch of cascaded hydropower stations[J]. Electric Power Automation Equipment,2014,34(3):125-127.
[8] 闫永刚,马廷淮,王建. KNN分类算法的MapReduce并行化实现[J]. 南京航空航天大学学报,2013,45(4):550-555.
Yan Yong-gang,Ma Ting-huai,Wang Jian.Parallel implementing KNN classification algorithm using Mapreduce programing model[J]. Journal of Nanjing University of Aeronautics and Astronautics,2013,45(4):550-555.
[9] 严利鑫,黄珍,朱敦尧,等. 基于马尔科夫毯和隐朴素贝叶斯的驾驶行为险态辨识[J]. 吉林大学学报:工学版,2016,46(6):1851-1857.
Yan Li-xin, Huang Zhen, Zhu Dun-yao, et al.Driving risk status identification based on Markov blanket hidden Naive Bayes[J]. Journal of Jilin University (Engineering and Technology Edition),2016,46(6):1851-1857.
[10] 王寅同,王建东,陈海燕. 时间序列降维及机场噪声中的机型识别[J]. 吉林大学学报:工学版,2016,46(4):1202-1208.
Wang Yan-tong,Wang Jian-dong,Chen Hai-yan.Time series dimensionality reduction and aircraft model recognition in airport-noise[J]. Journal of Jilin University (Engineering and Technology Edition),2016,46(4): 1202-1208.
[11] 汤鹏杰,王瀚漓,左凌轩. 并行交叉的深度卷积神经网络模型[J]. 中国图像图形学报,2016,21(3):339-347.
Tang Peng-jie, Wang Han-li, Zuo Ling-xuan.Parallel cross deep convolution neural networks model[J]. Journal of Image and Graphics,2016,21(3):339-347.

相关文章 15

[1]	苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2]	徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[3]	黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[4]	李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[5]	应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924.
[6]	陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[7]	刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[8]	单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944.
[9]	姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[10]	全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297.
[11]	陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
[12]	孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506.
[13]	林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632.
[14]	王柯, 刘富, 康冰, 霍彤彤, 周求湛. 基于沙蝎定位猎物的仿生震源定位方法[J]. 吉林大学学报(工学版), 2018, 48(2): 633-639.
[15]	于华楠, 杜瑶, 郭树旭. 基于压缩传感的高精度同步相量测量方法[J]. 吉林大学学报(工学版), 2018, 48(1): 312-318.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed