基于多尺度特征融合Hessian稀疏编码的图像分类算法

• 作者: 余家林 刘盛清 孙季丰 宋治国
• 来源期刊: 计算机应用
• 学科: 工学
• 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
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 计算机视觉与虚拟现实
• 页码范围: 3517-3522
• 页数: 6页
• 分类号: TP391.4
• 字数: 7722字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2017.12.3517

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙季丰	华南理工大学电子与信息学院	48	302	9.0	15.0
2	余家林	华南理工大学电子与信息学院	5	21	3.0	4.0
3	宋治国	华南理工大学电子与信息学院	4	11	3.0	3.0
4	刘盛清	华南理工大学电子与信息学院	1	4	1.0	1.0