融合显著信息的LDA极光图像分类

摘要：

美丽的极光形态各异,不同形态的极光蕴含不同的物理意义,所以研究极光图像的分类具有重要的科学价值。在 LDA(latent Dirichlet allocation)模型基础上提出了一种融合显著信息的 LDA 方法(LDA with saliency information,简称 SI-LDA),利用极光图像的谱残差(spectral residual,简称 SR)显著信息生成视觉字典,加强极光图像的语义信息,并将其用于极光图像的特征表示。最后,利用SVM分类器对极光图像进行分类。实验结果表明,所提出的算法获得了良好的分类结果。

关键词：极光图像、词袋模型、潜在狄利克雷分配、谱残差、显著信息

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41031064,60902082;教育部留学回国人员科研启动基金;2010年海洋公益性行业科研专项经费201005017;陕西省自然科学基础研究计划2011JQ8019;中央高校基本科研业务费专项资金K5051302008, K5051202048

在线出版日期：2014-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2758-2766