CAJ | 학술논문

图像表达是图像分类中最基本也是最重要的一个环节,当前的图像表达方法为了获得较高的分类性能,通常采用维度极高的特征向量.这给分类器的训练和特征的存储带来了极大的负担.同时,这些方法没有考虑图像的变化给图像表达所带来的影响.为此,针对以上的问题提出了一种对图像的可变性进行建模的方法.该方法首先使用高斯混合模型对底层视觉特征进行建模;再构造图像的充分统计量;最后采用可变性分析对充分统计量进行分解,并结合偏最小二乘回归方法获得紧致的图像表达.在公开的主流图像分类数据库上,该方法在获得更高的分类性能的同时极大地降低了分类器的训练和特征存储的开销.
도상표체시도상분류중최기본야시최중요적일개배절,당전적도상표체방법위료획득교고적분류성능,통상채용유도겁고적특정향량.저급분류기적훈련화특정적존저대래료겁대적부담.동시,저사방법몰유고필도상적변화급도상표체소대래적영향.위차,침대이상적문제제출료일충대도상적가변성진행건모적방법.해방법수선사용고사혼합모형대저층시각특정진행건모;재구조도상적충분통계량;최후채용가변성분석대충분통계량진행분해,병결합편최소이승회귀방법획득긴치적도상표체.재공개적주류도상분류수거고상,해방법재획득경고적분류성능적동시겁대지강저료분류기적훈련화특정존저적개소.