[发明专利]基于多特征融合的图像场景分类方法

权利要求书

1.基于多特征融合的图像场景分类方法，其特征是，包括如下步骤：

步骤1)样本图像的训练阶段；

1.1)同时提取样本图像的GIST特征、SIFT特征和PHOG特征；

1.2)对样本图像的SIFT特征进行局部约束线性编码，得到样本图像的SIFT特征稀疏编码；

1.3)样本图像的SIFT特征稀疏编码经池化处理后得到样本图像的SIFT特征稀疏向量；

1.4)将样本图像的GIST特征、SIFT特征稀疏向量和PHOG特征进行级联后形成样本图像的最终特征表示，并将样本图像的最终特征表示输入线性分类器训练；

步骤2)待分类图像的分类阶段；

2.1)同时提取待分类图像的GIST特征、SIFT特征和PHOG特征；

2.2)对待分类图像的SIFT特征进行局部约束线性编码，得到待分类图像的SIFT特征稀疏编码；

2.3)待分类图像的SIFT特征稀疏编码经池化处理后得到待分类图像的SIFT特征稀疏向量；

2.4)将待分类图像的GIST特征、SIFT特征稀疏向量和PHOG特征进行级联后形成待分类图像的最终特征表示，将待分类图像的最终特征表示输入步骤1.4)训练好的线性分类器进行判别，确定该幅待分类图像属于哪一类。

2.根据权利要求1所述的一种基于多特征融合的图像场景分类方法，其特征是，步骤1.3)和步骤2.3)中，所述池化处理是基于基于空间金字塔匹配框架的池化处理。

3.根据权利要求1所述的一种基于多特征融合的图像场景分类方法，其特征是，步骤1.1)和步骤2.1)中，GIST特征提取的过程为：首先将图像和不同方向与不同尺度的Gabor滤波器组进行滤波，然后把滤波后的图像划分成网格，在每一个网格内部取平均值，最后按行组合把所有的网格均值级联起来。

4.根据权利要求1所述的一种基于多特征融合的图像场景分类方法，其特征是，步骤1.1)和步骤2.1)中，SIFT特征提取的过程包括：构建尺度空间，极值点检测，特征点定位，计算特征点方向，以及生成SIFT特征描述符这5个步骤。

5.根据权利要求1所述的一种基于多特征融合的图像场景分类方法，其特征是，步骤1.1)和步骤2.1)中，PHOG特征提取的过程为：首先得到图像的部分或全部轮廓；然后计算轮廓点处的梯度模和梯度方向，并再将梯度方向转换成以度为单位后分成K个区间，在各区间上累加梯度模的值作为该区间的权值，得到梯度方向直方图；接着将一幅图像逐级分割细化；最后计算每一级各块所含边缘点对应的梯度方向直方图，将所有这些梯度方向直方图连接起来；上述K为正整数。