基于纹元森林的视觉词袋模型在图像分类中的应用  

Research on Image Categorization Base on Bag-of-visual-word of Semantic Texton Forests

作　　者：黄婷[1] 赵自明[2] 李翠华[2] 

机构地区：[1]龙岩学院数学与计算机科学学院,福建龙岩364012 [2]厦门大学信息科学与技术学院,福建厦门361005

出　　处：《厦门大学学报（自然科学版）》2015年第1期99-106,共8页Journal of Xiamen University：Natural Science

基　　金：国家自然科学基金(61373077);高等学校博士学科点专项科研基金(20110121110020);国防基础科研计划项目;福建省教育厅项目(JA14300;JB12209)

摘　　要：引入纹元森林(semantic texton forest,STF)的视觉词袋模型,联合基于金字塔匹配核的支持向量机,实现图像分类.首先对图像进行采样,提取SIFT(scale-invariant feature transform)特征,然后导入纹元森林构造视觉词典,统计视觉单词出现的频率构建语义词袋模型,最后利用支持向量机进行训练得出分类结果.实验在MSRC21(Microsoft research cambridge)图像库上进行,通过优化实验中的关键参数,引入加权的不平衡训练,提高了图像分类精度.实验结果表明,基于纹元森林的视觉词袋模型具有良好的图像分类效果.This paper introduces semantic texton forest（STF）and the bag of word model.The STF can be used to classify images with support vector machine（SVM）using pyramid matching kernels.First,images are sampled,extracted from Scale-invariant feature transform（SIFT）characteristics,and then generated from the codebook using STF,constructed the Bag of semantic textons through the histogram of codebook,and finally obtained from the image classification by using SVM.Experiments which optimize key parameters and train the imbalance weight are carried out based MSRC21 image database.Experimental results show that the Bag-ofWord based on STF are satisfactory for image classification and the proposed method performs better than the traditional method and the state of the art.

关 键 词：纹元森林 图像分类 视觉词袋模型 支持向量机 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]