[发明专利]一种基于目标及其空间关系特性的图像场景分类方法

权利要求书

1.一种基于目标及其空间关系特性的图像场景分类方法，其特征在于：包括：

步骤S1，目标空间关系直方图计算：用空间关系直方图表征目标间空间关系特性，包括左和右、上和下、远和近以及包含和不包含，并给出计算方法；

步骤S2，空间关系分类：针对样本图像，标注其目标并赋值目标之间空间关系的隶属度，针对测试样本，用模糊K近邻分类器分类目标之间空间关系直方图，计算其空间关系的隶属度值；

步骤S3，SR-pLSA建模：提出融合主题之间空间关系特性的概率隐含语义分析模型SR-pLSA，建立图像语义模型；

步骤S4，SVM分类：以步骤S3建立样本图像的语义模型，作为支持向量机SVM的输入，用训练好的SVM完成图像场景的分类。

2.根据权利要求1所述的图像场景分类方法，其特征在于，所述步骤S1中，目标空间关系直方图计算包括步骤：

步骤S11：分别求取参考对象以及目标对象区域的点集；

步骤S12：针对不同倾角θ∈[-π，π]建立水平线集，并获取两个目标落在线上的点集；

步骤S13：采用快速傅里叶变换算法计算空间关系直方图。

3.根据权利要求1所述的图像场景分类方法，其特征在于，所述步骤S2中，空间关系分类包括步骤：

步骤S21：标注样本图像中的目标并赋值目标之间每种空间关系的隶属度，包括左和右、上和下、远和近以及包含和不包含，建立隶属度矩阵P(N×8)，并计算目标之间的空间关系直方图；

步骤S22：计算每类场景中每两类目标的每种空间关系隶属度值的均值、方差及其权重；

步骤S23：针对测试样本图像，利用模糊K近邻分类器分类其目标之间的空间关系直方图，计算空间关系的隶属度值。

4.根据权利要求1所述的图像场景分类方法，其特征在于，所述步骤S3中，图像SR-pLSA建模包括步骤：

步骤S31：针对训练样本图像，提取其SIFT特征，通过聚类生成视觉词汇；

步骤S32：提出融合主题之间空间关系特性的概率隐含语义分析模型SR-pLSA；

步骤S33：采用SR-pLSA建模文档、主题、主题之间空间关系以及字之间的关系，建立图像语义模型。

5.根据权利要求1所述的图像场景分类方法，其特征在于，所述步骤S4中，SVM分类包括步骤：

步骤S41：将步骤S33中所得样本图像语义模型，以及图像场景类别标识作为SVM分类器的输入，训练分类器；

步骤S42：在分类阶段，先用SR-pLSA建立图像语义模型，然后采用训练好的SVM分类图像场景。

6.根据权利要求4所述的图像场景分类方法，其特征在于，所述步骤S33中的文档为图像、主题为目标、字为视觉单词。