[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

摘要

一种基于感兴趣区域多元空间关系模型的图像分类方法本，涉及图像特征提取及模式识别，包括以下步骤：一、对原始图像检测感兴趣区域；二、提取感兴趣区域ROI的底层视觉特征；三、提取词袋特征；四、获得感兴趣区域ROI的多元空间关系；五、多元空间关系特征提取；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；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。本发明提取的特征由于充分利用了感兴趣区域空间信息，使得图像分类精度大幅度提高；多元空间关系特征比纹理、颜色等其他图像特征更具有鲁棒性，对于训练集以外的新图像能够有效提取其自身固有的关键信息，因此取得更好的识别效果。

主权项

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。