熊继平，叶 童，叶灵枫

(浙江师范大学 数理信息工程学院，浙江 金华 321004)

0 引言

场景识别是计算机视觉领域的重要研究方向之一，旨在设计有效的分类器来区分场景类别[1]。场景识别技术在许多方面都有广泛的应用[2]，如基于内容的图像检索，从待查找的图像视觉特征出发，在图像库(查找范围)中依据视觉相似程度找出与之相似的图像[3]；应用于数字照相洗印加工，对数字化的图片通过识别不同的场景，进行颜色平衡来校正偏色，增强图像对比度[4]；应用于智能机器人领域，使智能机器人能够做到自动识别当前所处的场景，针对不同的场景做出不同的响应[5]。除此之外，场景分类还可以应用于视频检索[6]、医学图像浏览、卫星遥感图像分析、天气场景分类等方面。

场景特征表示方法主要分为手工特征[7-12]和学习特征[13-15]两大类。典型的手工特征包括通用搜索树[16]、局部描述符方向纹理曲线[17]和统计变换直方图[18]，它们研究低级视觉信息，如结构和纹理信息场景图像。但是，这些特征只考虑到低级视觉信息，对于复杂的场景来说还远远不够。使用卷积神经网络(Convolutional Neural Network，CNN)的方法是代表性的基于学习的方法，其中提取的特征利用了高层次的语义信息。谢国森等[19]提出一种基于词袋的混合CNN场景识别模型，通过训练好的CNN网络对场景图像进行特征提取，在此基础上进行多种空间全局特征的提取，最后将得到的特征输入到支持向量机(Support Vector Machine,SVM)进行场景识别，使得场景识别的效果有了极大的提高。……