基于超级向量编码的图像分类系统研究

摘要

随着社会迅猛发展，科学技术日新月异，人们获取的信息也在不断地增长。在数码相机，个人电脑等电子产品日益普及的今天，海量的图像数据成了人们获取信息的重要来源。人们开始利用计算机来辅助理解，识别和区分这些图像。本文应用了超级向量编码取代经典的图像分类系统中矢量量化过程，以达到更准确分类的目标。超级向量编码是基于混合高斯模型“软分配（softasSign）”特性产生的，克服了矢量量化对数据近似误差较大的问题。此外，本文还应用了更适合编码技术的maxpooling聚合函数，并把这种聚合函数应用在空间金字塔匹配架构上。最后，运用改进的线性支持向量机进行分类。本文的分类系统在板具挑战性的PASCALVOC2009数据库上进行实验。实验比较了不同聚合函数对系统性能的影响。虽然实验结果总体不太理想，但这个分类系统具有极大的研究价值。