王红霞，杨克俭，高 峰，朱 荣

(1.武汉理工大学计算机科学与技术学院，湖北 武汉 430063;2.武汉大学计算机学院，湖北 武汉 430072)

物体分类识别的研究目标是发现图像中的物体并识别其所属类别。不同于人脸识别、指纹识别等特定物体的识别，它需要区分观测对象的个体属性，比较重要的是识别物体的类别，如手机、水杯和书等，实质上要区别某一类物体的特征，就需要理解图像的内容，提取局部特征，通过聚类来得到局部图像中包含的语义信息。

近年来，对于物体分类识别的问题已经从低层图像特征逐渐转移到图像的语义分析上，力图消除语义鸿沟。目前，由LI[1]提出的Bag of words模型已成为图像语义分析方法的研究热点之一。该模型中采用SIFT(scale invariant feature transform)[2]描述符描述局部特征，SIFT特征描述符与另外9种典型描述符相比，在图像旋转、尺度变化、几何变形、图像模糊、光照变化和图像压缩等情况下性能更好[3]。

笔者在研究Bag of words模型的基础上，针对该模型中视觉词汇的局限性，提出了一种改进方法，提取SIFT特征点并聚类之后，通过核函数决策和支持向量机(support vector machine，SVM)训练，最终生成视觉词汇。改进后的视觉词汇生成方法比原方法具有更强的语义表达能力，使得物体分类识别率更高。

1 Bag of words模型

Bag of words模型最早用于自然语言处理和文本分类领域。物体图像分类过程与文本分类过程有诸多相似之处，类似提取文本的特征实现文本分类，物体分类通过提取图像的特征来达到物体分类的目的[4-5]。因此，文本领域的 Bag of words被引用到物体图像分类中。……