一种基于改进词袋模型的图像分类方法

摘要

本发明公开了一种基于改进词袋模型的图像分类方法。它包括如下步骤：S1：提取高鉴别力SIFT特征点；步骤S2：提取高鉴别力SIFT特征点对；S3：构建视觉词典；S4：图像分类；该方法提出一种基于最小生成树的构建视觉词组算法，该方法对各训练图像的所有高鉴别力SIFT特征构建最小生成树，并在此基础上构建SIFT特征点对，然后进行K‑means聚类，从而得到含有空间信息的视觉词组，利用上述方法构建的视觉单词和视觉词组一起构建视觉直方图，并通过SVM完成图像分类。本发明的有益效果是：降低了计算复杂度，保留了局部特征间的空间信息，提高了图像的分类准确率，减少了分类时间，可广泛应用于图像检索、对象追踪、场景分类和行为识别等领域。