刘盛清，孙季丰，余家林，宋治国

(华南理工大学 电子与信息学院,广州 510641)

基于多尺度特征融合Hessian稀疏编码的图像分类算法

刘盛清*，孙季丰，余家林，宋治国

(华南理工大学 电子与信息学院,广州 510641)

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(HSC)。首先，对图像进行空间金字塔多尺度划分；其次，在各个子空间层将方向梯度直方图(HOG)和尺度不变特征转换(SIFT)进行有效的融合；然后，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(SVM)进行分类。在Scene15数据集上的实验结果表明，HSC的准确率比局部约束线性编码(LLC)高了3～5个百分点，比支持区别性字典学习(SDDL)等对比方法高了1～3个百分点;在Caltech101数据集上的耗时实验结果表明，HSC的用时比多核学习稀疏编码(MKLSC)少40%左右。所提HSC可以有效提高图像分类准确率，算法的效率也优于对比算法。

图像分类；特征融合；空间金字塔；稀疏编码；支持向量机

0 引言

近年来，图像分类一直是非常热门的研究方向。譬如，智能交通领域中的车牌检测识别、安防系统中的人脸识别等。由于图像包含了复杂多样的信息，并且存在各种干扰信息，这使得图像分类成为一个具有挑战性的任务。

许多图像分类方法仅提取单一类型的图像特征，而且由于缺乏图像空间结构信息导致分类精度不高，因此较多的研究者提取多特征以充分获取图像信息。……