摘要
针对复杂场景图像分类的难题,提出一种基于局部特征和隐条件随机场的场景分类方法.该方法将图像划分为一系列超像素区域,提取每个区域的局部特征组成观察图像的输入特征向量,并建立基于隐条件随机场的场景分类模型推断图像的场景类别标记,其中每个局部特征对应一个隐变量.训练采用随机梯度上升法估计模型参数.在标准的图像库上进行实验,结果表明,与同类方法相比,场景分类方法取得了更好的分类结果.
To solve the problem of complex scene classification,an approach based on local feature and hide conditional random fields（HCRF） is proposed.Firstly,the image is segmented into sets of super-pixels,and then the local features extracted from those regions are used as the characteristic vectors of input image observations.Secondly,the HCRF model is established to infer the scene category of the image,where every local feature has the corresponding latent variable.The parameters of the model could be estimated using random gradient ascent algorithm.On the public image dataset,the test results demonstrate that the proposed approach has better classification results than the previous methods.
出处
《北京理工大学学报》
EI
CAS
CSCD
北大核心
2012年第7期720-724,共5页
Transactions of Beijing Institute of Technology
基金
国家自然科学基金资助项目(41171341)
国家教育部新世纪优秀人才支持计划(NCET-09-0126)
河南省科技创新人才杰出青年计划(114100510006)
国家教育部高等学校博士学科点专项科研基金资助课题(20110121110020)
国防科工局资助项目(B1420110155)
航空科学基金资助项目(20095155008)
福建省自然科学基金资助项目(2011J01365)
河南省高等学校青年骨干教师资助计划项目
郑州市科技创新人才培育计划项目(10PTGG342-1)
关键词
图像分析
特征提取
隐条件随机场
场景分类
image analysis
feature extraction
hide conditional random fields
scene classification
