空间金字塔方法表示图像

最新推荐文章于 2020-06-14 11:21:39 发布

Jay_Sherry

最新推荐文章于 2020-06-14 11:21:39 发布

阅读量4.5k

点赞数 4

分类专栏：图像分类文章标签： SPM 空间金字塔

本文链接：https://blog.csdn.net/qustqustjay/article/details/46786075

版权

空间金字塔方法是Bag Of Features（BOF）的改进，通过在不同分辨率上统计图像特征点分布来获取图像的空间信息，以克服BOF丢失空间分布信息的问题。图像尺度空间通过高斯滤波和平滑处理，图像金字塔则通过多分辨率表示图像。空间金字塔匹配（SPM）通过在每个金字塔级别划分图像并统计特征，形成特征向量，用于图像匹配和分类。这种方法在识别自然场景类别中表现出色。

摘要由CSDN通过智能技术生成

注：本学习笔记是自己的理解，如有错误的地方，请大家指正，共同学习进步。

本文学习自CVPR论文《Discriminative Spatial Pyramid》、《Discriminative Spatial Saliency for Image Classification》及《Beyond Bags of Features: Spatial Pyramid Matching
for Recognizing Natural Scene Categories》，在此感谢论文作者。

空间金字塔方法表示图像是传统BOF(Bag Of Features)方法的改进，传统BOF方法提取图像特征时，首先提取每张图像的SIFT特征描述，之后将所有图像的兴趣点的特征描述进行聚类形成BOW视觉词袋，最后对每张图像统计所有视觉关键词出现的频次。因此BOF是在整张图像中计算特征点的分布特征，进而生成全局直方图，所以会丢失图像的空间分布信息，无法对图像进行精确地识别。为了克服BOF的这一缺点，提出了空间金字塔方法，它是在不同分辨率上统计图像特征点分布，从而获取图像的空间信息。图像被划分为金字塔各水平上的逐渐精细的网格序列，从每个网格中导出特征并组合为一个很大的特征向量。