摘要: 摘 要: 针对传统稀疏编码图像分类算法提取单一类型特征,忽略图像的空间结构信息,特征编码时无法充分利用特征拓扑结构信息的问题,提出了基于多尺度特征融合Hessian稀疏编码的图像分类算法(Hessian Sparse Coding,HSC)。首先对图像进行空间金字塔多尺度划分;然后在各个子空间层将方向梯度直方图和尺度不变特征转换进行有效的融合;为了充分利用特征的拓扑结构信息,在传统稀疏编码目标函数中引入二阶Hessian能量函数作为正则项;最后利用支持向量机进行分类。在Scene15数据集上,HSC的准确率比局部约束线性编码高了3%-5%,比支持区别性字典学习等对比方法高了1%-3%。在Caltech101上的耗时实验中,HSC的用时比多核学习少40%左右。实验结果表明,HSC可以有效地提高图像分类准确率,算法的效率也优于对比算法。
中图分类号: