浙江大学学报（工学版）
浙江大學學報（工學版）
절강대학학보（공학판）
JOURNAL OF ZHEJIANG UNIVERSITY(ENGINEERING SCIENCE)
2015年
3期
402-408
,共7页
LDA%类别约束%空间相关性%超像素%视觉词语
LDA%類彆約束%空間相關性%超像素%視覺詞語
LDA%유별약속%공간상관성%초상소%시각사어
latent dirichlet allocation (LDA)%category constraint%spatial consistency%super-pixel%visual words
基于经典的LDA模型,提出新的结合超像素分割技术的空间相关主题模型SP-SLTM及相应的场景分类方法.在建模过程中引入类别约束机制,即给每类场景赋予各自的类主题空间,使模型参数的推导更加简便;在“视觉词包”的生成过程中,对图像区域进行进一步二次超像素分割;提取每个超像素的颜色和纹理特征,形成超像素的混合特征表示.上述方法的优点包括:加上从图像区块所提取的SIFT特征,共得到3种视觉词语,弥补传统方法中采用单一视觉特征描述整幅图像的不足;同一区域内的所有视觉词语共享一个主题,增加视觉词语间的空间相关性.分别将UIUC-Sport数据库的测试结果与CTS-LDA、Spatial-LTM、LDA与pLSA 4种传统方法的测试结果进行比较,结果表明:采用SP-SLTM模型可以比传统方法获得更高的场景分类准确率.
基于經典的LDA模型,提齣新的結閤超像素分割技術的空間相關主題模型SP-SLTM及相應的場景分類方法.在建模過程中引入類彆約束機製,即給每類場景賦予各自的類主題空間,使模型參數的推導更加簡便;在“視覺詞包”的生成過程中,對圖像區域進行進一步二次超像素分割;提取每箇超像素的顏色和紋理特徵,形成超像素的混閤特徵錶示.上述方法的優點包括:加上從圖像區塊所提取的SIFT特徵,共得到3種視覺詞語,瀰補傳統方法中採用單一視覺特徵描述整幅圖像的不足;同一區域內的所有視覺詞語共享一箇主題,增加視覺詞語間的空間相關性.分彆將UIUC-Sport數據庫的測試結果與CTS-LDA、Spatial-LTM、LDA與pLSA 4種傳統方法的測試結果進行比較,結果錶明:採用SP-SLTM模型可以比傳統方法穫得更高的場景分類準確率.
기우경전적LDA모형,제출신적결합초상소분할기술적공간상관주제모형SP-SLTM급상응적장경분류방법.재건모과정중인입유별약속궤제,즉급매류장경부여각자적류주제공간,사모형삼수적추도경가간편;재“시각사포”적생성과정중,대도상구역진행진일보이차초상소분할;제취매개초상소적안색화문리특정,형성초상소적혼합특정표시.상술방법적우점포괄:가상종도상구괴소제취적SIFT특정,공득도3충시각사어,미보전통방법중채용단일시각특정묘술정폭도상적불족;동일구역내적소유시각사어공향일개주제,증가시각사어간적공간상관성.분별장UIUC-Sport수거고적측시결과여CTS-LDA、Spatial-LTM、LDA여pLSA 4충전통방법적측시결과진행비교,결과표명:채용SP-SLTM모형가이비전통방법획득경고적장경분류준학솔.
