论文部分内容阅读
近年来，随着多媒体技术的发展，图像处理在医学图像处理、图像信息安全和图像检索等领域得到了广泛地应用。室内室外图像分类是图像处理中的一个问题。其有效地分类能够为一些图像处理提供很好的依据。本论文的研究内容正是室内室外图像的分类算法。
Oliva和Torralba指出图像的特征描述包含下层、基层和上层三个层次。其中，下层的特征描述需要分析图像的局部结构；基层则跟类别有很大关系，比如森林、山和街道；上层就具有很高的抽象意义，它只有很少的类别：室内和室外或者城市和自然。因此，室内室外图像分类可以从基于下层的局部特征和基于基层与上层的全局特征来解决。
本论文研究了两个经典的场景识别算法，一个是基于局部特征的：Lazebnik等人提出的空间金字塔模型；另一个是基于全局特征的：Oliva和Torralba提出的空间信封模型。
针对空间金字塔模型提取的特征向量维数太大（17000维）的缺点以及Mikolajczyk等人研究出来的结论：在众多局部特征算法中，MSER提取区域是较好的，SIFT作为特征描述子也是较好的。本论文提出了一个较优的基于MSER与SIFT局部特征的室内室外图像分类算法。同时，针对空间信封模型仅考虑图像模糊化，没有考虑室外图像具有天空、沙地、草地、路等信息的空间分布特征的缺点，本论文也提出了一个较优的基于LBP和小波纹理全局特征的室内室外图像分类算法。
实验结果表明：场景识别的关键要素是图像模糊化，这是因为具体的局部特征体现不了场景，场景应该是人看到图像前200ms所形成的全局模糊印象。除此之外，室内室外图像分类算法还应该具有区分室外图像特有空间分布信息的能力。
仅基于一种特征的方法不能太好表达图像的部分属性，本论文最后对结合全局特征和局部特征的室内室外图像分类算法进行了一些展望。