基于空间视觉词袋模型的静态图像行为分类.doc

基于空间视觉词袋模型的静态图像行为分类

2.37万字 44页 原创作品，已通过查重系统


摘要 随着互联网和多媒体技术的飞速发展，数字图像、视频等多媒体信息的数量呈爆炸式增长。为了准确、高效地组织、管理和检索图像，需要计算机能准确地理解图像的内容。图像分类是解决图像理解问题的重要途径，对多媒体检索技术的发展有重要的推动作用。目前，有关静态图像的行为分类研究也慢慢的受到更多人的关注。传统的静态图像行为分类方法是根据图像中视觉词汇出现的总体情况进行分类的，既没有考虑视觉词汇在空间的分布特点，也没有利用图像中区域语义构成的上下文信息，而这些是绝不能被忽视的，本论文主要研究的空间视觉词袋模型正是为了解决传统场景分类方法存在的缺陷而提出的。
本论文主要研究两种特征提取方法，分别为传统视觉词袋法和结合了图像空间信息的空间视觉词袋法，通过将两种特征提取方法与直方图交叉核支持向量机、rbf核支持向量机和自适应增强算法三种分类器相结合，根据所得的分类结果，比较空间视觉词袋法相对于传统视觉词袋法有那些改善和不足。经本论文实验表明，当训练集数量选取得当时，在与支持向量机结合时，空间视觉词袋法较传统视觉词袋法有较明显的改善，而与Adaboost结合时效果不佳。
本论文前两章主要介绍了图像分类的背景、发展、研究现状等，及图像分类的几种方法，包括特征提取和分类器两方面。其中，特征提取分全局特征和局部特征；分类器分生成模型和判别模型。本论文的第三章为本论文的核心部分，主要介绍了视觉词袋法和空间视觉词袋法及LibSVM工具箱的简要介绍。本论文第四章为在matlab上运行相应程序所得的相应结果及对所得结果的分析。


关键词：静态图像行为分类 空间视觉词袋模型 空间视觉词典