肖　哲，秦志光，丁　熠，蓝　天，于　跃

(电子科技大学信息与软件工程学院　成都　611731)

基于低尺度词袋模型的图像快速分类方法

肖哲，秦志光，丁熠，蓝天，于跃

(电子科技大学信息与软件工程学院成都611731)

提出一种新的框架用于改进传统词袋模型效率较低的问题。该方法建立在通过小波变换获取的低尺度图像表示上，利用在低尺度图像上提取单尺度的SIFT特征，建立低尺度视觉词典。由于大幅度减少了图像初始特征维数，该方法可以快速建立视觉词典，并且有效地降低后续图像分类所花费的时间。通过对Caltech101数据集全部8 677张图像的分类测试显示，该方法可以在保证分类性能的同时，有效地提升基于传统词袋模型的图像分类效率。实验结果表明，该方法可以全面提升金字塔匹配的词袋模型分类性能和分类效率，普遍用于传统词袋模型及其衍生方法。

词袋模型;计算机视觉;图像分类;尺度不变特征转换;小波变换

近年来随着图像数量与日俱增，如何对海量的图像资料进行快速准确的检索、分类、识别，从中挖掘出用户所需的关键信息，逐渐成为计算机视觉领域的重要研究课题。随着越来越多的科研工作者致力于相关领域的研究，出现了新的图像分类方法，然而这些新方法大多只追求分类结果的准确率，并未考虑到实际应用中的高效性需求，往往在处理少量实验数据时效果优越，而当数据量增长到一定程度时就会出现效率低下、甚至难以运算的情况。……