[发明专利]基于感兴趣区域多元空间关系模型的图像分类方法

权利要求书

1.一种基于感兴趣区域多元空间关系模型的图像分类方法，其特征在于：至少包括以下步骤：

步骤一：对原始图像检测感兴趣区域

使用兴趣区域检测算子检测图像库中每幅图像的感兴趣区域ROI；

步骤二：提取感兴趣区域ROI的底层视觉特征

对检测到的感兴趣区域，使用底层视觉特征描述算子提取特征向量；

步骤三：提取词袋特征

使用聚类算法对ROI底层视觉特征向量进行聚类，所有的聚类中心构成词袋模型中的视觉词典，用ROI聚类号作为其类别标签，并统计每幅图像出现视觉单词的频率作为分类的词袋特征；

步骤四：获得感兴趣区域ROI的多元空间关系

分两种情况来提取ROI的多元空间关系MSRR：（1）若两区域相交，则用其拓扑关系(交叠、包含、被包含)作为MSRR关系；（2）若两区域不相交，先根据尺寸和距离判断两区域是否相关，对于相关的区域，则根据中心点方向角获得定性方向关系作为MSRR关系；

步骤五：多元空间关系特征提取

统计感兴趣区域间每种MSRR关系出现的频率作为多元空间关系特征；

步骤六：对词袋特征和多元空间关系特征进行特征融合及特征选择

对于每个样本，首先将分别提取的词袋特征和多元空间关系特征合并作为融合后的全部特征向量；然后采用特征选择方法过滤掉与样本标签不相关的特征；

步骤七：使用参数优化后的分类器和步骤六获得的特征来训练样本，至少包括以下步骤：

第1步：将粒子群初始化为MSRR参数和分类器参数随机值；

第2步：更新粒子速度、位置；

第3步：获得特征并训练分类器；

第4步：若分类精度达到预期或者迭代次数超过限制则退出，否则跳转至第2步。

2.根据权利要求1所述的一种基于感兴趣区域多元空间关系模型的图像分类方法，其特征在于：所述的步骤一中兴趣区域检测算子采用最大稳定极值区域MESR方法。

3.根据权利要求1所述的一种基于感兴趣区域多元空间关系模型的图像分类方法，其特征在于：所述的步骤二底层视觉特征描述算子采用颜色直方图、LBP和SIFT算子分别提取颜色、纹理和尺度不变特征。

4.根据权利要求1所述的一种基于感兴趣区域多元空间关系模型的图像分类方法，其特征在于：所述的步骤三中聚类方法使用K均值聚类算法。

5.根据权利要求1所述的一种基于感兴趣区域多元空间关系模型的图像分类方法，其特征在于：所述的步骤六特征选择方法至少包括以下步骤：

(1)初始特征集合为全部词袋法特征；

(2)使用最小化冗余最大化相关MRMR方法对空间关系特征进行评估和搜索；

(3)每次选择最佳特征加入，直至特征数目得到预期要求。