基于贝叶斯通用背景模型的图像标注

摘要：

在高斯图特征提取过程中,通用背景模型(Universal background model,UBM)方法常用于根据总体分布估计每一幅图像中特征点分布的高斯混合模型(Gaussian mixture model,GMM)参数.然而UBM估计的GMM权重参数中有很多接近零的数值,它们所对应的高斯分量对分布估计贡献小却又都参与了计算,因此UBM的时间复杂度较高.为解决这个问题,本文提出Bayes UBM方法.通过引入受限的对称Dirichlet分布来描述GMM权重参数的先验分布,利用Bayes最大后验概率对GMM参数集进行估计.实验表明Bayes UBM方法不仅有效地降低了时间复杂度,而且提高了Corel数据集上的图像标注精度.

关键词：图像标注、通用背景模型、高斯混合模型、贝叶斯估计

所属期刊栏目：39

资助基金：国家自然科学基金90820010,60911130513;National Natural Science Foundation of China90820010,60911130513

在线出版日期：2013-12-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1674-1680