基于二次推导狄里克雷分布的图像场景分类模型

摘要

在扩展LDA（Latent Dirichlet Allocation）的基础上提出一种新的生成模型（Double Inference Latent Dirichlet Allocation,DI-LDA）用于实现自然图像场景分类.该方法不同于经典的LDA中的变分贝叶斯推导方法,而是通过二次推导来分别学习各场景类中固有主题分布及其变化下内容下的变化主题分布的先验参数,使各场景类主题分布在基于全部场景主题的前提下保留其自身的特殊性,这一方法符合人类的认知习惯的方法.本文所提出的模型可在得出图像的主题分布的同时自动获得图像的类别信息.此外,本文通过分析EM（Expectation Maximum）迭代次数,对本模型计算复杂度进行了论证,采用经典的13类场景数据库来与其它基于LDA方法的模型进行分类性能比较,实验证明本模型可以较低的时间复杂度取得较高的分类平均正确率.