[发明专利]基于局部图像块描述子和费舍尔向量的图像分类方法

摘要

本发明公开了基于局部图像块描述子和费舍尔向量的图像分类方法，步骤依次为，构建基于局部图像块的特征描述子；利用高斯混合模型对训练数据集的特征描述子进行建模；生成训练图像集和测试图像集的费舍尔向量；构建高斯空间金字塔，获取图像多尺度空间信息；计算训练数据集和测试数据集的特征集合；采用互信息方法对数据集的特征集合进行特征选择；训练分类器，实现图像分类。本发明能够精确地获取图像信息，提高了图像的分类准确率，可用于大规模图像分类与检索系统的构建。

主权项

基于局部图像块描述子和费舍尔向量的图像分类方法，其特征在于，包括以下步骤：(1)选定训练数据集和测试数据集，分别构建两个数据集的基于局部图像块的特征描述子；(2)利用高斯混合模型对训练数据集的特征描述子进行聚类，获取高斯混合模型参数；(3)生成训练数据集和测试数据集中每幅图像的费舍尔向量；(4)对训练数据集和测试数据集中每幅图像构建高斯空间金字塔；(5)计算数据训练集和测试数据集中每幅图像的高斯空间金字塔中每幅图像的费舍尔向量，从而构成数据训练集和测试数据集的特征集合；(6)采用互信息方法对训练数据集、测试数据集的特征集合进行特征选择；(7)采用选择后的训练数据集的特征值来训练分类器，将测试数据集的特征值输入训练好的分类器中，实现图像分类。