基于区域非均匀空间采样特征的图像分类方法

摘要：

大量实验证明抽取图像中稠密局部特征能够大大提高图像分类性能，目前的常用策略是基于空间均匀密集采样来实现稠密局部特征的抽取。该文提出一种新的基于区域非均匀空间采样的局部特征抽取方法。首先，用过分割技术对原始图像进行分割，从而得到图像的分割区域，并采用显著性检测技术估计每个过分割区域的重要性。然后，在保证不增加采样数的情况下，对重要的显著性区域的边界实行密集均匀采样，对区域内部根据区域大小和重要性实行随机采样。最后，采用词袋表示模型来实现图像分类。在两个广泛应用的数据库，8类体育运动(UIUC Sports)和256类自然图像(Caltech-256)数据库进行实验。实验结果证明，该文提出的采样策略进一步提高了基于稠密局部特征的图像分类性能。

关键词：图像分类、非均匀空间采样、图像分割、显著性检测

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61272223,61300163;江苏省杰出青年基金BK2012045;江苏省自然科学基金BK20131003资助课题

在线出版日期：2014-12-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2563-2570