[发明专利]基于多特征融合的场景分类方法

权利要求书

1.本发明公布了一种基于多特征融合的场景分类方法，主要用于场景图像的准确预测，包括以下步骤：

(1)场景图像预处理

主要完成对于场景图像的尺寸、灰度转化等预处理操作；

(2)特征提取

提取场景图像的SIFT特征、GIST特征、PLBP特征、HOG特征，然后运用VLAD算法对局部特征进一步地编码，以挖掘这些局部特征之间的相关信息，增强可判别能力，提高分类速度；同时，考虑提取图像的HOG特征来获得边缘和梯度特征以很好的抓住局部形状的特点；提取GIST特征以提高图像全局描述能力；提取PLBP特征以提高纹理特征空间信息表达不足的问题；

(3)特征融合

保存步骤(2)中提取的场景图像特征以备融合之用,之后按照随机生成的10组训练集和测试集文件载入特征矩阵，最后设置特征融合权值系数为1，并实现串行融合，对于步骤(3)其特征在于：假设在A、B、C三个特征空间中存在三个特征向量、β和γ，其中α∈A，β∈B，γ∈C，则对于串行融合就有若α,β,γ分别表示m，n和q维特征向量，则的维度为m+n+q，其中k,l,j是对应特征向量的权重系数，本发明采用串行融合方法，权重系数设为1，则最终融合的维度为(m+n+q+…)；

(4)归一化处理

提取特征后为了消除特征之间的量纲、极端值或者噪点数据以及取值范围差异等可能造成的影响、提高模型的收敛速度，对于步骤(3)采用标准差标准化方法进行处理，处理后特征数据均值为0，标准差为1；

(5)利用基于RBF核函数的支持向量机对场景图像进行分类；

步骤(4)处理后的特征按照规则生成训练集和测试集，并输入到基于RBF核函数的支持向量机，生成每个分类对应的混淆矩阵和分类结果，每个批次对应的准确率，召回率，特征提取时间、分类及特征融合时间以及所有批次的平均准确率等性能指标。