基于词包和特征融合的目标识别算法

针对现有词包模型对目标识别性能的不足，对特征提取、图像表示等方面进行改进以提高目标识别的准确率。首先，以密集提取关键点的方式取代SIFT关键点提取，减少了计算时间并最大程度地描述了图像底层信息。然后采用尺度不变特征变换(Scale-invariant feature transform, SIFT)描述符和统一模式的局部二值模式(Local binary pattern,LBP)描述符描述关键点周围的形状特征和纹理特征，引入K-Means聚类算法分别生成视觉词典，然后将局部描述符进行近似局部约束线性编码，并进行最大值特征汇聚。分别采用空间金字塔匹配生成具有空间信息的直方图，最后将金字塔直方图相串联，形成特征的图像级融合，并送入SVM进行分类识别。在公共数据库中进行实验，实验结果表明，本文所提方法能取得较高的目标识别准确率。

Object Recognition Algorithm Based on Bag of Words and Feature Fusion