[发明专利]基于多特征融合的场景分类方法

摘要

本发明针对场景识别领域图像的单一特征判别性能和泛化能力缺陷，对于场景分类的特征融合方法进行了研究。首先提取场景图像GIST特征、HOG特征、SIFT特征以及PLBP特征，并且对于SIFT特征进行VLAD方式进行特征编码；然后利用串行融合方法对提取的特征进行不同方式的分析和融合；最后输入到多线性SVM对场景图像进行分类并通过大量实验对于最终识别的平均准确率和分类速度进行评估。实验结果表明，本发明提出的方法，能够利用不同特征的优势实现彼此的特征信息互补，在特征提取耗时和分类耗时不大的情况下达到较好的分类性能。

主权项

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：/n(1)场景图像预处理/n主要完成对于场景图像的尺寸、灰度转化等预处理操作；/n(2)特征提取/n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；/n(3)特征融合/n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