| 主权项 |
一种基于增量神经网络和子图编码的图像分类方法，其特征在于，包括训练阶段和分类阶段：训练阶段包括：步骤1，局部特征抽取：抽取训练图像集中的每一幅训练图像的局部特征描述子生成训练图像集的局部特征集合；训练图像是带有类标的图像，类标用于标记图像所属类别；步骤2，增量码书网络学习：从局部特征集合中随机抽取部分局部特征作为训练集进行码书网络的学习，训练竞争神经网络，并用竞争神经网络表示码书；步骤3，训练图像表示：包含基于子图的特征编码和图像空间聚合步骤；步骤4，分类模型学习：将步骤3中得到的训练图像特征向量及其对应分类类标作为直方图相交核SVM分类器的输入完成分类模型的参数学习，得到SVM分类模型；分类阶段包括：步骤5，局部特征抽取：抽取待分类图像的局部特征描述子生成待分类图像的局部特征集合；步骤6，待分类图像表示：首先对待分类图像的局部特征进行基于子图的特征编码：首先寻找码书中与局部特征距离最近的k个视觉单词<o1,...,ok>，k是近邻单词数，取值范围[1,100]，将与以上k个单词有边相连的单词取出，与k个单词构成子图G'，通过相应的权重向量为子图中每个单词赋予权重完成最后的编码；然后进行待分类图像的局部特征的编码结果空间聚合：采用分层分块的金字塔空间划分，对于每一块进行均值聚合操作，最后将所有分块的特征向量串接成整个图像的特征向量；步骤7，图像分类，将步骤6中形成的待分类图像特征向量输入步骤4中学习得到的SVM分类模型，从而完成图像的分类。 |
