基于深度玻尔兹曼机的图像多特征融合

摘要

针对在图像分类中使用单一特征难以对图像描述全面的问题,借鉴于不同的图像特征之间存在较强的互补性的情况,结合深度学习模型,提出了一种基于深度玻尔兹曼机的图像多特征融合机制。图像特征采用常用的局部特征描述子SIFT和全局颜色特征HSV直方图,通过不同的受限玻尔兹曼机模型分别对其提取中间层特征,以在其基础上构建深度玻尔兹曼机,并给出了模型详细的训练方法,实现两种图像特征的无监督融合。经Corel图像库实验证明:运用此模型对图像不同特征的融合是可行的,并且经过融合后产生的新特征吸收了单一特征对于图像分类的优势,在图像分类上其效果比单一特征的效果高于10%以上。