BOW-HOG特征图像分类

作者：邹北骥; 郭建京; 朱承璋; 杨文君; 吴慧; 何骐

来源：浙江大学学报(工学版), 2017, 51(12): 2311-2319.

• 图像分类
• 特征描述子
• 梯度方向直方图
• 词汇袋模型

为了减少图像尺寸对提取特征的影响,同时移除特征向量中的冗余信息,将词汇袋模型(BOW)与梯度方向直方图(HOG)特征相结合,提出一种基于BOW-HOG的特征描述子用于图像分类.将图像划分为不同的子区域,对梯度幅值较大的子区域提取HOG特征.用BOW模型对子区域HOG特征编码,构建原始图像上维度一致的特征向量.将特征向量输入训练好的分类器,完成图像分类任务.将BOW-HOG特征描述子在不同的图像分类任务上进行试验,包括图像文本分类、图像场景分类.本实验的文本分类正确率为0.813,场景分类正确率为0.826,优于传统基于HOG特征的方法,表明了基于BOW-HOG特征图像分类方法的可行性、有效性.

• 出版日期2017
• 单位中南大学