嵇朋朋，陳育中，周劉喜

(江蘇聯(lián)合職業(yè)技術(shù)學(xué)院南京分院 電氣工程系，南京 210019)

在人工智能領(lǐng)域內(nèi)，自然圖像分類一直是研究人員關(guān)注的焦點，具有廣泛的實際應(yīng)用價值，如目標(biāo)物體識別、目標(biāo)物體跟蹤、自然圖像檢索以及現(xiàn)階段拍照識圖或購物等[1-3]。經(jīng)過多年的技術(shù)創(chuàng)新發(fā)展，研究人員提出了大量的圖像分類方法，包括特征抽取[4-5]、學(xué)習(xí)模型優(yōu)化以及多核學(xué)習(xí)(Multiple Kernel Learning，MKL)模型[6-9]。MKL模型是對不同數(shù)量或類型的核函數(shù)(如SPK、PDK等)或圖像特征(如外形、紋理、色彩等)進(jìn)行線性或非線性聯(lián)合。MKL模型在支持向量機(jī)分類器中，利用多個圖像特征、核函數(shù)優(yōu)化學(xué)習(xí)新的分類器。傳統(tǒng)的MKL模型[6-7]在特征空間中處理類間距離的合理性上存在弊端，導(dǎo)致無法給出實用的復(fù)雜自然圖像處理效果。特殊樣本MKL模型[9]對每個樣本圖像簇訓(xùn)練合適的核函數(shù)權(quán)重，并通過線性方式聯(lián)合合適的核函數(shù)來提高模型的識別力，但存在學(xué)習(xí)模型耗時的缺點。針對上述問題，基于圖像簇MKL模型的圖像分類方法，研究將給定樣本圖像類別中具有相似形狀、紋理或顏色特征的樣本圖像聚類到一個圖像簇中，確保圖像分類的準(zhǔn)確性，并通過實驗驗證學(xué)習(xí)模型的判別能力。

1 問題描述

圖像簇MKL模型先通過聚類算法對圖像進(jìn)行預(yù)處理，并將樣本圖像聚類成若干個圖像簇，最后對多個不同類型核函數(shù)進(jìn)行線性加權(quán)聯(lián)合，其權(quán)重大小受核函數(shù)的類型、樣本圖像的屬性影響。圖1為圖像簇MKL模型，將來自同一類別的圖像，通過預(yù)處理(聚類算法)聚類到幾個不同的圖像簇中。

(1)

圖1 題圖像簇MKL模型

(2)

式中：αi=[α1,…,αN]Τ和b是MKL模型中的參數(shù)。模型決策函數(shù)式(2)可從圖像簇MKL的原問題中提煉出來。

2 圖像簇MKL模型

2.1 圖像簇MKL模型原問題

從樣本圖像x中抽取M個特征向量(φ1(x),…,φM(x))的{φm(x)即從輸入空間映射到特征空間，其中Dm表示第m個特征維度，每個特征相應(yīng)的權(quán)重為wm。式(2)表示多個核函數(shù)的線性或非線性聯(lián)合，經(jīng)典的MKL模型決策函數(shù)可以寫成式(3)。

(3)

為最大化正目標(biāo)樣本與負(fù)目標(biāo)樣本之間的邊界距離，即最大化目標(biāo)樣本分類精度，同時使得目標(biāo)樣本分類誤差最小化，可通過求解式(4)得到。

(4)

2.2 圖像簇MKL模型對偶問題

(5)

算法1圖像簇MKL模型

(2)for 最終的要求沒有滿足，do；

(3)計算核函數(shù)的權(quán)值β；

(5)用關(guān)于核K(xi,xj)的經(jīng)典支持向量機(jī)(SVM)方法解決α；

(8)end for。

3 實驗

3.1 實驗設(shè)置

對數(shù)據(jù)庫UIUC Sports、Scene15、Caltech-256圖像進(jìn)行預(yù)處理，把彩色圖像轉(zhuǎn)化為灰度圖像。將數(shù)據(jù)庫UIUC Sports、Scene15和Caltech-256中圖像分別壓縮到不大于400×400，300×300，300×300像素大小。

以文獻(xiàn)[6]MKL模型作為參考基準(zhǔn)，采用BOW特征表示最終的圖像特征，對圖像特征設(shè)置如下。

(1)局部特征抽取：使用圖像局部形狀特征描述子SIFT、HOG，圖像全局特征描述子Gist，圖像紋理描述子LBP，圖像目標(biāo)外觀特征描述子SSIM、PHOG。

(2)特征字典訓(xùn)練：在數(shù)據(jù)庫Scene15、UIUC Sports、Caltech-256中，圖像局部形狀特征描述子SIFT，特征字典長度分別為4096、1024、1024。HOG、LBP、SSIM特征字典長度均分別設(shè)置為1024、1024、400。

(3)特征聚合：均采用3層空間金字塔聚合，即每層分別為1×1、2×2、4×4個聚合空間；最終目標(biāo)樣本圖像特征維度為特征字典長度×(1×1+2×2+4×4)=1024×21，即21504。

(4)核函數(shù)：使用PMK、SPK、PDK等作為基核。

(5)圖像簇設(shè)置：在實驗預(yù)處理中，每類圖像被聚類為Ng圖像簇(Ng=1,…,5)。

3.2 Scene15數(shù)據(jù)庫

數(shù)據(jù)庫Scene15具有15個不同自然場景的圖像類別，共4485張圖像，每個自然場景圖像類內(nèi)部之間區(qū)別很大，不同自然場景中也有相似之處。

圖2為數(shù)據(jù)庫Scene15中樣本圖像。

圖2 Scene15數(shù)據(jù)庫中樣本圖像

圖2為街道、市區(qū)及郊區(qū)3個不同類別的自然場景樣本圖像，街道類別中不同街道之間存在差別(街道寬度，兩邊建筑物等等)，但在街道、市區(qū)、郊區(qū)3個不同類別中都存在共同特征——建筑物。

表1為 Scene15數(shù)據(jù)庫實驗結(jié)果。

表1 Scene15數(shù)據(jù)庫實驗結(jié)果 %

由表1可知，圖像簇MKL模型能夠處理自然場景圖像類內(nèi)之間的差異性和圖像類別之間的相似性，其分類精度為88.3%。與使用單一特征文獻(xiàn)[10]相比，分類精度提高7.9%。相比文獻(xiàn)[11]的分類結(jié)果高0.1%，說明圖像簇MKL模型能夠處理復(fù)雜自然圖像分類問題，可以捕捉到圖像中不同特征信息，并加以優(yōu)化組合，形成更具判別力的圖像特征。圖3為圖像簇MKL模型分類精度(訓(xùn)練數(shù)目為100，其值是各類圖像分類精度的平均值)的混淆矩陣，其每一行代表圖像簇MKL模型的測試值，每一列代表每一類所對應(yīng)的真實值。從圖3可知，有6類自然場景圖像的分類精度高于90%，驗證了圖像簇MKL模型的性能。

圖3 圖像簇MKL模型分類精度混淆矩陣

3.3 UIUC Sports數(shù)據(jù)庫

表2為圖像簇MKL模型在UIUC Sports數(shù)據(jù)庫上(8類目標(biāo)物體，共計1579 張圖像)的分類。

表2 UIUC Sports 數(shù)據(jù)庫實驗結(jié)果 %

由表2可知，圖像簇MKL模型在UIUC Sports上的分類精度為88.96%，高出文獻(xiàn)[10]的分類精度81.77%，比文獻(xiàn)[10]的實驗結(jié)果87.23%高出1.73%。再次驗證圖像簇MKL模型能夠聯(lián)合多種不同類型的特征描述子(比如顏色、紋理、興趣點、外形、外觀等)，并最終得到具有較好判別能力的圖像特征向量。圖4為圖像簇MKL模型在UIUC sports數(shù)據(jù)庫上分類精度(訓(xùn)練數(shù)目為70，測試數(shù)目為60)的混淆矩陣。

圖4 UIUC sports數(shù)據(jù)庫分類精度混合矩陣

圖4中每一行代表圖像簇MKL模型的測試值，每一列代表每一類所對應(yīng)的真實值。從圖4中可以看出，有4類目標(biāo)圖像分類精度高于90%，還有2類圖像分類精度高于87%，進(jìn)一步凸顯了圖像簇MKL模型處理目標(biāo)圖像的類內(nèi)差異性及類間相似性問題的優(yōu)勢。

3.4 Caltech-256數(shù)據(jù)庫

表3為圖像簇MKL模型在Caltech-256數(shù)據(jù)庫上(256類目標(biāo)物體，共計29780張圖像)實驗結(jié)果。

表3 Caltech-256數(shù)據(jù)庫實驗結(jié)果 %

在表3中，訓(xùn)練數(shù)目為30和60時，圖像簇MKL模型得到的分類精度分別為45.62%和48.92%，與文獻(xiàn)[13]給出的分類精度40.80%和47.90%相比，分別高出4.82%和1.02%，表現(xiàn)出較好的自然圖像分類性能。圖像簇MKL模型能很好地將不同類型的局部特征聯(lián)合起來(比如顏色、紋理、興趣點、外形、外觀等)，且優(yōu)化形成具有良好判別力的圖像表示特征。顯示圖像簇MKL模型處理自然圖像分類問題的優(yōu)勢。

4 結(jié)束語

傳統(tǒng)地依靠單一局部特征很難概括自然圖像中所有信息，針對其判別能力較低的問題，提出了基于圖像簇MKL模型，引入預(yù)處理將每類圖像聚類成若干個圖像簇，通過聯(lián)合多種不同類型的局部特征，最終形成具有較強(qiáng)判別能力的圖像特征向量。實驗證明，圖像簇MKL模型具備處理自然圖像分類問題的優(yōu)勢，即可很好地解決自然圖像類內(nèi)差異性及類間一致性問題。