嵇朋朋 闫胜业 李 林 刘青山

(南京信息工程大学信息与控制学院 南京 210044)

1 引言

词袋(Bag-of-Words, BoW)表示模型[17]-在图像分类[814]-中已经得到非常广泛的应用。一般地，BoW表示模型包括4个关键部分：局部特征抽取、生成词典、特征编码、特征聚合。(1)局部特征抽取。典型的局部特征有哈尔特征、尺度不变特征转换(Scale-Invariant Feature Transform, SIFT)特征、梯度方向直方图(HOG)特征等等。文献[1]提出只对兴趣点进行局部特征采样。在文献[8]中，对一幅图像所有位置进行空间均匀密集采样[25]-，从而大大提高了分类精度。另外，文献[12]用仿射 SIFT 特征处理手势和视觉点的变化。文献[13]基于SIFT特征的局部组合提出了中间层特征。(2)生成词典。通常用K平均(K-means)算法或K近邻(K-NN)算法对局部特征进行聚类生成词典。为了得到更精确的词典，文献[15]提出基于稀疏表示的监督词典学习方法。文献[16]利用在线鲁棒学习的方法建立词典。文献[2]提出用稀疏编码进行词典学习以及向量量化。(3)特征编码。特征编码有3种方式：(a)二元编码硬关联[1]，局部特征只投票给与其最近的一个中心点，只能近似编码，容易产生误差。(b)多元编码软关联[17]，允许局部特征投票给多个中心点，这能够保存更多的信息，得到比二元编码更好的执行效果。(c)基于编码的特征重建：文献[2]提出用稀疏编码对局部特征进行重建，局部特征和学习得到的词典的相关程度是用稀疏编码的重建系数控制。(4)特征聚合。经典的聚合操作有最大聚合(max pooling)和平均聚合(average pooling)，即保留所有响应的最大值或平均值。文献[18]陈述相邻局部聚合操作能够有效地处理更长的词典。……