融合视觉感知特性的场景分类算法

目的 目前对于场景分类问题，由于其内部结构的多样性和复杂性，以及光照和拍摄角度的影响，现有算法大多通过单纯提取特征进行建模，并没有考虑场景图像中事物之间的相互关联，因此，仍然不能达到一个理想的分类效果。本文针对场景分类中存在的重点和难点问题，充分考虑人眼的视觉感知特性，利用显著性检测，并结合传统的视觉词袋模型，提出了一种融合视觉感知特性的场景分类算法。方法 首先，对图像进行多尺度分解，并提取各尺度下的图像特征，接着，检测各尺度下图像的视觉显著区域，最后，将显著区域信息与多尺度特征进行有机融合，构成多尺度融合窗选加权SIFT特征（WSSIFT），对场景进行分类。结果 为了验证本文算法的有效性，该算法在3个标准数据集SE、LS以及IS上进行测试，并与不同方法进行比较，分类准确率提高了约3%~17%。结论 本文提出的融合视觉感知特性的场景分类算法，有效地改善了单纯特征描述的局限性，并提高了图像的整体表达。实验结果表明，该算法对于多个数据集都具有较好的分类效果，适用于场景分析、理解、分类等机器视觉领域。

Scene classification algorithm of fusing visual perception