基于改进局部线性特征编码方法的图像分类  

Image classification via improved locally linear feature encoding

作　　者：徐望明[1] 郑超兵 李梓珩 

机构地区：[1]武汉科技大学信息科学与工程学院,武汉430081 [2]武汉科技大学计算机科学与技术学院,武汉430081

出　　处：《计算机应用研究》2016年第6期1886-1889,共4页Application Research of Computers

基　　金：国家自然科学基金资助项目(61105058);湖北省教育厅科学技术研究资助项目(B20121102)

摘　　要：特征编码是利用广义视觉词袋模型获得图像稀疏表示的关键步骤。研究了两种常用的局部线性特征编码方法即LLC及NSLLC编码方法,并针对其存在的问题提出了一种利用编码系数非负性约束对其进行改进的方法——NNLLC,并将其应用于图像分类任务中。实验结果表明,该方法能有效改进局部线性特征编码性能,提高图像特征的可区分性,相比于LLC及NSLLC特征编码方法,在图像分类任务中取得了更高的平均分类准确率。Feature encoding is an important step to obtain image sparse representation with the generalized bag of visual words model. Aiming at the problems of two usually-used locally linear feature encoding methods such as LLC and NSLLC,this paper proposed a new method called NNLLC to improve their performance by using the non-negativity constraints on coding coefficients,then applied it to the task of image classification. Experimental results indicate that NNLLC can effectively improve the performance of existing locally linear feature encoding methods,enhance the distinctiveness of image features,and get higher average accuracy in image classification than LLC and NSLLC methods.

关 键 词：视觉词袋 稀疏表示 图像分类 特征编码 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]