基于稀疏编码和多核学习的图像分类算法  

Image Classification Using Multiple Kernel Learning and Sparse Coding

作　　者：程东阳[1] 蒋兴浩[1] 孙锬锋[1] 

机构地区：[1]上海交通大学电子信息与电气工程学院,上海200240

出　　处：《上海交通大学学报》2012年第11期1789-1793,共5页Journal of Shanghai Jiaotong University

基　　金：国家自然科学基金资助项目(61071153);教育部新世纪优秀人才支持计划(NCET-10-0569)

摘　　要：提出了一种基于稀疏编码和多核学习的图像分类算法.首先从图像中提取Dense-SIFT(Dense Scale-Invariant Feature Transform)和Dense-SURF(Dense Speeded Up Robust Feature)2种特征,使用稀疏编码对特征点进行处理,得到一系列高维向量,然后对这些高维向量应用max-pooling算法,将图像表示成单个向量.最后,使用改进的多核学习方法对这些向量进行分类,对于不同的特征,使用不同核的组合以达到最好的分类效果.实验结果表明,该算法作为词袋(BoW)模型的改进,能够提高分类准确率.An image classification algorithm based on sparse coding and multiple kernel learning （MKI.） was proposed. First, D-SIFT （Dense Scale-Invariant Feature Transform） and D-SURF （Dense Speeded Up Robust Feature） are extracted from images. Then, sparse coding method is adopted to represent an im- age as a vector and max pooling method is also utilized for both features. Finally, an improved MKL is used to classify those vectors. Appropriate kernel combinations are selected for each feature and the final result is the fusion of both. The experiments demonstrate that the algorithm remarkably improves the clas- sification accuracy.

关 键 词：稀疏编码 多核学习 特征融合 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]