一种基于自适应软分配的图像分类方法

摘要

视觉词袋模型(Bo VW)是当前图像分类领域的主流方法,然而,视觉单词同义性和歧义性问题严重制约了该模型的性能,进而降低图像分类准确率。针对该问题,本文提出一种基于自适应软分配的图像分类方法。该方法首先对尺度不变特征变换(SIFT)特征映射到视觉单词的距离进行分析,按一定的规则进行归类,并针对具有不同模糊程度的SIFT特征采用自适应的分配策略;然后,通过卡方模型分析各个视觉单词与图像类别之间的相关性,并依此去除视觉停用词(VSW),重构视觉单词统计直方图;最后,输入到支持向量机(SVM)完成分类。实验结果表明,该优化方法能有效地降低视觉单词同义性和歧义性问题带来的影响,增强视觉单词的区分性,进而提高图像分类准确率。