基于超像素分割的空间相关主题模型及场景分类方法

• 作者: 王立军 赵于前 黄忠朝
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: LDA 类别约束 空间相关性 超像素 视觉词语
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 计算机技术、电信技术
• 页码范围: 402-408
• 页数: 7页
• 分类号: TP18|TP242.62
• 字数: 6712字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2015.03.002

摘要

基于经典的LDA模型,提出新的结合超像素分割技术的空间相关主题模型SP-SLTM及相应的场景分类方法.在建模过程中引入类别约束机制,即给每类场景赋予各自的类主题空间,使模型参数的推导更加简便;在“视觉词包”的生成过程中,对图像区域进行进一步二次超像素分割;提取每个超像素的颜色和纹理特征,形成超像素的混合特征表示.上述方法的优点包括:加上从图像区块所提取的SIFT特征,共得到3种视觉词语,弥补传统方法中采用单一视觉特征描述整幅图像的不足;同一区域内的所有视觉词语共享一个主题,增加视觉词语间的空间相关性.分别将UIUC-Sport数据库的测试结果与CTS-LDA、Spatial-LTM、LDA与pLSA 4种传统方法的测试结果进行比较,结果表明:采用SP-SLTM模型可以比传统方法获得更高的场景分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵于前	中南大学生物医学工程学系	58	453	12.0	18.0
2	王立军	中南大学生物医学工程学系	4	16	2.0	4.0
3	黄忠朝	中南大学生物医学工程学系	17	92	5.0	9.0