基于lda主题模型的图像场景分类

《基于lda主题模型的图像场景分类》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、代号10701学号1075190301分类号TP391密级公开UDC编号题（中、英文）目基于LDA主题模型的图像场景分类ImageSceneClassificationbasedontheLDATopicModel作者姓名王敏学校指导教师姓名职称王爽教授工程领域电子与通信工程企业指导教师姓名职称强勇高工2013-2-27论文类型应用研究提交论文日期西安电子科技大学学位论文创新性声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文

2、中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切的法律责任。本人签名：日期西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件，允许查

3、阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合学位论文研究课题再攥写的文章一律署名单位为西安电子科技大学。（保密的论文在解密后遵守此规定）本学位论文属于保密，在年解密后适用本授权书。本人签名：日期 导师签名：日期摘要I摘要随着计算机通信技术和多媒体技术的迅猛发展，信息越来越多地以数字图像的形式存储与传递。图像场景分类有助于图像内容的理解与分析，方便数据库的组织与检索。传统技术主要通过提取图像的全局或区域的底层特征，并结合有监督的机器

4、学习方法来对图像场景进行分类。这样计算相对简单，但没有利用图像中的语义信息，对有高级语义的场景分类效果相对较差。主题生成模型能通过学习建模与概率推导发现图像中隐含的中间语义分布情况，近年来受到了大量的关注。隐狄利克雷分配(LatentDirichletAllocation,LDA)模型就是主题模型中的代表，其利用多层次贝叶斯网络以多个主题的概率混合表示图像。本文将LDA模型用于图像场景分类上，重点研究中间语义特征的提取与选择，具体内容如下：1)分别从提取描述特征和构造分类器两大方面，简要分析了图像场景分

5、类的研究现状；着重介绍了LDA模型的构成和参数推导方法。2)搭建了基于LDA模型的场景分类的基本框架；针对其中的中间语义基础视觉词典，结合已有的SIFT(ScaleInvariantFeatureTransform)、LBP(LocalBinaryPattern)几种局部特征描述及空间金字塔组合，研究分析了不同特征对于使用LDA模型进行场景分类时的效果，实验结果表明LDA模型相比于直接使用词袋特征或pLSA(ProbabilisticLatentSemanticAnalysis)模型更有利于进行场景分类

6、，对不同大小和类型的数据要选择合适的词典、主题数大小和特征描述。3)在对多种局部特征描述研究的基础上，实现了基于分层的场景分类框架，针对13类场景图像，构造了多层LDA分类框架，在不同的层次采用不同特征进行描述，实验结果表明这种分层分类框架可以更加灵活地选用对场景数据适合的特征，能够获得更好的分类效果。在此基础上，对LDA模型中的词典构造进行了简单分析，发现只要词典具有一定的完备性，具体构造词典的样本与方法对场景分类结果的影响很小，使用随机词典能使时间大大减少。关键词：场景分类LDA模型词袋主题分层Ab

7、stractIIIAbstractWiththerapiddevelopmentofthetechnologyforcompunicationandmultimedia,therearemoreandmoreinformationstoredandtransmittedintheformofdigitalimages.Imagesceneclassificationishelpfulfortheunderstandingandanalysisofimages,andcansimplifytheorgan

8、izationandretrievalofimagedatabase.Traditionalwaystoclassifythescenesofimagesistousethesupervisedmachinelearningalgorithmswiththeglobalorregionalunderlying-featuresextractedfromtheimages.Thesemethodsarecomputationallysimpl