基于多尺度特征融合Hessian稀疏编码的图像分类算法

摘要：

针对传统稀疏编码图像分类算法提取单一类型特征,忽略图像的空间结构信息,特征编码时无法充分利用特征拓扑结构信息的问题,提出了基于多尺度特征融合Hessian稀疏编码的图像分类算法(HSC).首先,对图像进行空间金字塔多尺度划分;其次,在各个子空间层将方向梯度直方图(HOG)和尺度不变特征转换(SIFT)进行有效的融合;然后,为了充分利用特征的拓扑结构信息,在传统稀疏编码目标函数中引入二阶Hessian能量函数作为正则项;最后,利用支持向量机(SVM)进行分类.在Scene15数据集上的实验结果表明,HSC的准确率比局部约束线性编码(LLC)高了3～5个百分点,比支持区别性字典学习(SDDL)等对比方法高了1～3个百分点;在Caltech101数据集上的耗时实验结果表明,HSC的用时比多核学习稀疏编码(MKILSC)少40％左右.所提HSC可以有效提高图像分类准确率,算法的效率也优于对比算法.

关键词：图像分类、特征融合、空间金字塔、稀疏编码、支持向量机

所属期刊栏目：37

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61202292;广东省自然科学基金资助项目9151064101000037.The work is partially supported by the National Natural Science Foundation of China61202292;the Natural Science Foundation of Guangdong Province9151064101000037

在线出版日期：2018-01-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：3517-3522