基于朴素贝叶斯K近邻的快速图像分类算法

《基于朴素贝叶斯K近邻的快速图像分类算法》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、2015年2月第41卷第2期北京航空航天大学学报JournalofBeijingUniversityofAeronauticsandAstronauticsFebruary2015V01．41No．2http：／／bhxb．buaa．edu．cnjbuaa@buaa．edu．cnOOI：10．13700／j．bh．1001—5965．2014．0471基于朴素贝叶斯K近邻的快速图像分类算法张旭1一，蒋建国1，洪日昌“，杜跃2(1．合肥工业大学计算机与信息学院，合肥230009；2．陆军军官学院计算机教研室，合肥230031)摘要：朴素贝叶斯最近邻(NBNN

2、)分类算法具有非特征量化和图像．类别度量方式的优点，但算法运行速度较慢，分类正确率较低．针对此问题，提出一种朴素贝叶斯K近邻分类算法，基于快速近似最近邻(FLANN)搜索特征的K近邻用于分类决策并去除背景信息对分类性能的影响；为了进一步提高算法的运行速度及减少算法的内存开销，采用特征选择的方式分别减少测试图像和训练图像集的特征数目，并尝试同时减少测试图像和训练图像集中的特征数目平衡分类正确率与分类时间之间的矛盾．该算法保留了原始NBNN算法的优点，无需参数学习的过程，实验结果验证了算法的正确性和有效性．关键词：图像分类；最近邻；K近邻；图像．类别距离；特征

3、选择中图分类号：TP391文献标识码：A文章编号：1001-5965(2015)02-0302-09图像分类是计算机视觉研究中的热点内容之一，在图像标注⋯、多媒体信息检索旧-等领域均有广泛的应用．图像分类技术大致分为以下两大类：基于学习过程的图像分类方法和非参数的图像分类方法．目前，基于学习过程的分类方法仍是图像分类与识别领域内的主流，特别是随着视觉词袋模型(BoVW)¨。的提出与应用，然而在实际情况中往往存在训练样本不足以及过拟合等问题．而非参数的分类方法不需要参数学习的过程，能够更合理地应用于图像类别较多的分类任务中并且避免了过拟合等问题，相比于基于学

4、习过程的分类方法，基于非参数的分类算法更为简洁．尽管非参数的分类器存在上述优点，但其分类性能低于基于学习过程的分类算法H。1．文献[8]比较了非参数最近邻(NN)方法与BoVW模型的图像分类性能，实验结果表明后者的分类正确率明显优于前者．而文献[9]提出一种基于朴素贝叶斯最近邻(NBNN)图像分类算法，认为基于非参数的最近邻分类性能在实际应用中被低估，导致其性能下降的原因有两方面：一方面是算法中的特征量化引起量化误差，另一方面是算法采用图像与图像之间的距离进行分类决策．文献[10]在NBNN算法的基础上提出一种NBNNKernel，并与BoVW模型相结合用

5、于图像分类．NBNN算法的成功之处主要在于采用了图像．类别距离(12C)度量方式，文献[11]在此基础上提出一种线性距离编码的方法，采用图像一类别距离将图像的局部特征转化为更具区分性能的距离向量．文献[12]提出一种LocalNBNN的分类算法，文献[13]在此基础上结合BoVW和LocalNBNN方法的优点提出一种位置区分性编码方法，通过特征一类别距离而非K—means聚类将局部特征转化为特征向量，从而避免了量化带来的信息损失．Tommasi等¨41基于NBNN分类器提出一种领域适应学习算法，实验结果迸一步证明了NBNN算法思想的有效性．Wang等¨纠基

6、于最近邻分类提收稿日期：2014-04—28；录用日期：2014-08-01；网络出版时间：2014-10—2214：46网络出版地址：WWW．enki．net／kcms／doi／lO．13700／j．bh．1001-5965．2014．0471．html基金项目：国家自然科学基金资助项目(61172164)作者简介：张旭(1981一)，男，安徽毫州人，博士生，zhangxu21cn@163．corn+通讯作者：洪日昌(198l一)。男，安徽黄山人，教授，hongrc@hfut．edu．cn，主要研究方向为多媒体内容分析、信息检索、多媒体问答{t甩格式：张

7、翘，薅建国．洪E昌，等．基f朴素觅叶靳K近邻的快速图像分类算法【J]．北京航空航天大学学报，2015。41(2)：302—310．ZhangX，．HangJG，HongRC，etaJ．Acceleratedimageelassi矗eationalgorithmbasedOnnaiveBayesK-nearestneighborfJJ．JournalofBeqingUniversityofAeronauticsandAstronautics，2015，41(2)：302—310(inChinese)．第2期张旭，等：基于朴素贝叶斯K近邻的快速图像分类算法30

8、3出一种加权12C即图像．类别距离学习方法，并采用空间划分和Hub