[发明专利]基于改进的潜在狄利克雷分配的自然图像分类方法

摘要

本发明公开了一种基于改进的潜在狄利克雷分配的自然图像分类方法，主要解决现有全监督自然图像分类方法分类时间较长以及在缩短了分类时间的前提下分类精度下降的问题。其实现步骤为：对每幅自然图像进行网格稠密采样，得到其网格采样点；对每个网格采样点提取其SIFT特征；对SIFT特征进行K聚类，生成视觉词典；用视觉词典将自然图像量化为视觉文档；对每篇视觉文档构建二层空间金字塔，得到五篇视觉文档；将每幅自然图像的五篇视觉文档输入给LDA模型得到五个潜在语义主题分布；将所有自然图像的潜在语义主题分布顺次相连后输入给SVM分类器进行分类，得到分类结果。本发明与经典分类方法相比，在缩短了平均分类时间的同时提高了分类精度，可用于目标识别。

主权项

一种基于改进的潜在狄利克雷分配的自然图像分类方法，包括如下步骤：(1)采用网格分块方法对每一幅自然图像进行网格稠密采样，得到每幅自然图像相应的网格采样点；(2)对每一个网格采样点提取其周围区域的尺度不变特征转换SIFT特征；(3)对所有自然图像提取出来的SIFT特征进行K聚类，K聚类生成的n个聚类中心即n个视觉单词，n个视觉单词构成一个视觉词典；(4)用每幅自然图像中网格采样点的SIFT特征分别与视觉词典中的每个视觉单词进行比较，找出与每幅自然图像中网格采样点的SIFT特征最相近的视觉单词来代替该SIFT特征，使得每幅自然图像均由n个视觉单词表示，即量化每幅自然图像为由n个视觉单词构成的视觉文档；(5)根据空间金字塔匹配SPM对每篇视觉文档构建二层空间金字塔，第一层空间金字塔中为原视觉文档，第二层空间金字塔中为经过平均划分后得到的四个视觉子文档，则每篇视觉文档经过空间金字塔匹配后可以得到五篇视觉文档；(6)将每幅自然图像对应的五篇视觉文档分别输入给潜在狄利克雷分配LDA模型进行若干次吉布斯Gibbs采样迭代，得到每幅自然图像的五个潜在语义主题分布；(7)将每幅自然图像的五个潜在语义主题分布顺次相连后输入给支持向量机SVM分类器进行分类，选择所有自然图像的一半的图像作为训练样本，另一半的图像作为测试样本，得到分类结果。