[发明专利]基于类别相关的码本和分类器投票策略的图像分类方法

权利要求书

1.基于类别相关的码本和分类器投票策略的图像分类方法，其特征在于，实现该方法的步骤包括：

步骤S1：图像数据集预处理模块对图像数据集I中的每一幅图像采用局部显著区域检测子检测图像中的局部显著区域图像块并表示为向量；这样，图像数据集中的所有图像都被表示成了局部显著区域图像块向量的集合，图像数据集I包括：训练图像集和测试图像集；

步骤S2：类别相关码本生成模块根据训练图像的局部显著区域图像块向量和训练图像的类别标签，产生类别相关的码本；

步骤S3：图像向量化模块将图像数据集中的图像映射到步骤S2生成的类别相关的码本上，形成图像向量；

步骤S4：类别相关分类器训练模块根据图像向量中训练图像对应的图像向量及类别标签，训练类别相关的分类器；

步骤S5：基于分类器投票策略的测试图像分类模块根据测试图像在每个分类器上的输出标签进行投票，给出测试图像的最终类别标签。

2.如权利要求1所述的基于类别相关的码本和分类器投票策略的图像分类方法，其特征在于，所述图像数据集I＝{I₁，...，I_M+N}，包含训练图像集和测试图像集M和N分别表示训练图像和测试图像的个数，I₁表示图像数据集I中第1幅图像，I_M+N表示图像数据集I中第M+N幅图像，I_train¹是表示第1幅训练图像，I_train^M是表示第M幅训练图像，I_test¹是表示第1幅测试图像，I_test^N是表示第N幅测试图像，train和test分别用来标示图像属于训练图像集和测试图像集；其中，训练图像集I_train用于类别相关的码本生成，基于投票策略的分类器训练；测试图像集I_test用于检验所述基于类别相关的码本和投票策略的图像分类方法的性能。

3.如权利要求1所述的基于类别相关的码本和分类器投票策略的图像分类方法，其特征在于，所述类别相关码本生成模块，将训练图像的局部显著区域图像块向量，按照所属图像的类别标签进行归类，标签类别数为C，产生C组局部显著区域图像块向量集合；对产生的C组局部显著区域图像块向量集合分别进行K-均值聚类，产生C个类别相关码本D＝{D₁，D₂，...，D_C}，每个码本包含K个聚类中心。