基于多尺度上下文信息的图像目标分类算法  

Object categorization using context from multi-spatial levels

作　　者：杨蕾[1] 宋永红[1] 郑南宁[1] 

机构地区：[1]西安交通大学人工智能与机器人研究所,西安710049

出　　处：《控制与决策》2011年第11期1643-1648,共6页Control and Decision

基　　金：国家973计划项目(2007CB311005);国家自然科学基金重大科学研究计划项目(90920008)

摘　　要：针对真实场景图像的目标分类问题,提出一种基于多尺度上下文信息的分类算法.首先运用一种软判决采样机制对图像进行局部信息采样,使场景内混合的各类信息以一种鲁棒的方式得到有效分离;然后,进一步基于软判决采样和统计特征表达机制,计算各空间尺度下的目标上下文统计特征;最后,通过逻辑回归分类算法有效地融合多尺度的上下文信息,并作出分类决策.实验表明,所提出的算法能更好地刻画真实场景下目标的特性,明显提高图像目标分类性能.To categorize objects in the real-world scene images,a method is proposed by exploiting multi-spatial extent context.Firstly,a soft decision-based sampling mechanism is utilized in the local image patch sampling process,by which,mixed information in the scene can be separated in an effective and robust way.Then,by using the soft decision-based sampling mechanism and the statistical representation methods,the statistical feature for each spatial extent context can be computed.Finally,a logistic regression classification method is adopted to integrate multiple spatial extent context information and make the final decisions.The experiments show that,the proposed method can better model the objects in the real world scenes,and thus apparently improves the object categorization performance.

关 键 词：图像目标分类 多尺度上下文信息 软判决采样机制 外观统计特征 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]