白小军，史天意，刘 颖

(1.西安工业大学 计算机科学与工程学院，陕西 西安710016；2.西安邮电大学 通信与信息工程学院，陕西 西安710121)



一种改进的现勘图像分类算法

白小军1，史天意1，刘 颖2

(1.西安工业大学 计算机科学与工程学院，陕西 西安710016；2.西安邮电大学 通信与信息工程学院，陕西 西安710121)

针对加速鲁棒特征在尺度变化和旋转变化方面表现不够理想的问题，提出一种改进的现勘图像分类算法。根据高斯金字塔模拟人眼由近及远视物且能保持物体尺度不变的特性，对图像提取基于高斯金字塔的加速鲁棒特征，并用词袋模型描述图像。通过训练得到支持向量机分类器，对输入图像进行分类。实验结果表明，改进算法分类准确率有明显提高。

加速鲁棒特征;高斯金字塔; 词袋模型;图像分类

基于内容的图像分类(Content-Based Image Classification,CBIC)算法主要利用形状、纹理、颜色等图像自身的多种底层视觉特征完成分类任务[1]。

在特征表示方面，尺度不变特征转换(Scale Invariant Feature Transform,SIFT)算法有较好的判别性，对于尺度、光照、旋转等变换具有特征不变性，从而获得了广泛的应用，但是该算法计算复杂度高，耗时较长[2，3]；加速鲁棒特征(Speeded Up Robust of Features,SURF)算法是针对SIFT特征的改进，效率更高，但在光照和尺度变化方面表现不够理想[4]。在分类模型方面，词袋(Bag of Words,BoW)模型[5]较为常用，已广泛应用于图像分类和视频中的动作识别[6-9]。

针对现勘图像背景复杂、场景多变、拍摄时光照条件和观测角度不同等特点，本文在SURF特征的基础上，结合SIFT特征的优点，利用BoW模型，提出一种改进的基于高斯金字塔的SURF特征(GP-SURF)算法。……