基于改进稀疏编码模型的图像分类算法

• 作 者: 唐峰 孙锬锋 蒋兴浩 陆欢
• 机 构: 上海交通大学电子信息与电气工程学院,上海市信息安全综合管理技术研究重点实验室
• 出 处: 上海交通大学学报
• 发表日期: 2012年09期
• 关键词: 图像分类 稀疏编码 随机森林 视觉词汇 BoW模型 image categorization sparse coding random forests v
• 基金项目: 国家自然科学基金（60802057,61071153）,教育部新世纪优秀人才支持计划（NCET-10-0569）资助项目

针对图像表示,提出了一种基于改进稀疏编码模型的图像分类算法.首先,提取表示图像视觉局部特征的SIFT(Scale-Invariant Feature Transform)描述子;然后,利用稀疏编码方法生成基于SIFT描述子的视觉词汇库,将SIFT描述子编成稀疏向量;通过有效稀疏向量的区域融合和空间结合而获取整体的稀疏向量并用于图像表示;最后,采用随机森林多分类器对稀疏向量进行训练和测试.结果表明,与现有的算法相比,该算法的性能更佳,可以有效表示图像的特性并提高其分类的准确率.