[发明专利]基于视觉词典全局拓扑表达的图像分类方法

权利要求书

1.一种基于视觉词典全局拓扑表达的图像分类方法，其特征在于，该方法包括以下步骤：

步骤1，采集多幅训练图像，对多幅训练图像分别进行局部采样，并在得到的局部采样块上提取尺度不变特征变换(SIFT)特征，从而得到训练图像的SIFT特征集合；

步骤2，对得到的SIFT特征集合进行聚类生成多个聚类中心，并以所述聚类中心为视觉单词组成视觉词典其中，C表示视觉词典，其由M个D维的视觉单词c_i组成，表示D维空间中的M个点组成的子空间；

步骤3，对每幅训练图像的每个SIFT特征进行全局拓扑编码；

步骤4，对每幅训练图像的所有SIFT特征的全局拓扑编码V₁，V₂，...，V_N进行最大聚集操作，生成该训练图像的图像表达F；

步骤5，将所有训练图像的图像表达送入分类器中进行训练，生成训练模型；

步骤6，与所述步骤1相似，对每幅待识别图像进行局部采样，并在得到的局部采样块上提取尺度不变特征变换SIFT特征，得到每幅待识别图像的SIFT特征集合；

步骤7，基于所述步骤2中得到的由视觉单词组成的视觉词典，利用所述步骤3对每幅待识别图像的每个SIFT特征进行全局拓扑编码；

步骤8，与所述步骤4相似，对每幅待识别图像的所有SIFT特征的全局拓扑编码进行最大聚集操作，生成待识别图像的图像表达；

步骤9，将所述步骤8得到的待识别图像的图像表达送入所述步骤5生成的训练模型进行测试，从而得到待识别图像中目标类别的识别结果。

2.根据权利要求1所述的方法，其特征在于，所述步骤2中，采用k-means聚类算法进行聚类。

3.根据权利要求1所述的方法，其特征在于，所述步骤3进一步包括三个子步骤：

步骤3.1，计算所述视觉词典中视觉单词之间的相关性；

步骤3.2，利用所述步骤3.1中得到的视觉单词之间的相关性对每个SIFT特征的最近邻的K个视觉单词建立全局拓扑模型；

步骤3.3，利用所述步骤3.2得到的全局拓扑模型对每个SIFT特征进行全局拓扑编码。

4.根据权利要求3所述的方法，其特征在于，利用基于距离和角度的自增量式算法得到视觉单词之间的相关性。

5.根据权利要求4所述的方法，其特征在于，所述基于距离和角度的自增量算法包括：

首先，对于某一视觉单词c_i，所有的视觉单词根据其到c_i的欧式距离进行由近到远排序，其中，将最近的视觉单词作为初始相关视觉单词c_i1；

其次，除视觉单词c_i外的其他视觉单词逐一按照距离和角度准则进行检查，如果某一视觉单词c_j经过检查均满足所述距离和角度准则，则该视觉单词被标记为相关视觉单词c_ii，并添加到集合S_i，最终得到视觉单词c_i的相关视觉单词的集合S_i；

最后，对所有的视觉单词遍历处理，即可得到视觉词典C的相关单词集合S。