[论文解读] Image classification based on support vector machine and the fusion of complementary features

Huilin Gao, Wenjie Chen+1 more|arXiv (Cornell University)|Nov 5, 2015

Advanced Image and Video Retrieval Techniques参考文献 22被引用 4

一句话总结

该论文提出了一种新颖的图像分类方法，通过自适应特征加权SVM融合三种互补特征——PHOW、PHOC和PHOG，以提升分类准确率。通过在传统BOW模型中引入密集采样和改进的K均值聚类算法构建视觉词典，该方法在Caltech 101数据集上的分类准确率比传统BOW方法高出7%–17%。

ABSTRACT

Image Classification based on BOW (Bag-of-words) has broad application prospect in pattern recognition field but the shortcomings are existed because of single feature and low classification accuracy. To this end we combine three ingredients: (i) Three features with functions of mutual complementation are adopted to describe the images, including PHOW (Pyramid Histogram of Words), PHOC (Pyramid Histogram of Color) and PHOG (Pyramid Histogram of Orientated Gradients). (ii) The improvement of traditional BOW model is presented by using dense sample and an improved K-means clustering method for constructing the visual dictionary. (iii) An adaptive feature-weight adjusted image categorization algorithm based on the SVM and the fusion of multiple features is adopted. Experiments carried out on Caltech 101 database confirm the validity of the proposed approach. From the experimental results can be seen that the classification accuracy rate of the proposed method is improved by 7%-17% higher than that of the traditional BOW methods. This algorithm makes full use of global, local and spatial information and has significant improvements to the classification accuracy.

研究动机与目标

• 解决传统Bag-of-Words（BOW）方法在图像分类中因单一特征表示而导致的局限性及低准确率问题。
• 通过结合PHOW、PHOC和PHOG三种互补特征，融合全局、局部和空间信息，提升特征表示能力。
• 通过引入密集采样和改进的K均值聚类算法，提升视觉词典构建质量，从而优化BOW模型。
• 开发一种自适应特征加权SVM框架，以优化多种互补特征的融合，提升分类性能。

提出的方法

• 该方法采用三种互补特征：PHOW（金字塔词袋）用于局部纹理和空间布局，PHOC（金字塔颜色直方图）用于颜色分布，PHOG（金字塔梯度方向直方图）用于边缘和梯度模式。
• 采用密集采样策略从图像中提取更具鲁棒性的视觉特征，提升特征的多样性与覆盖范围。
• 使用改进的K均值聚类算法构建更具判别性的视觉词汇表，从而提升BOW表示的质量。
• 将自适应特征权重调整机制集成到SVM中，根据各特征类型对分类的贡献动态分配最优权重。
• 将融合后的特征表示输入SVM分类器，利用所有三种特征类型提供的综合信息学习区分图像类别。
• 整个流程在Caltech 101基准数据集上进行训练与评估，以验证性能提升效果。

实验结果

研究问题

• RQ1 通过融合PHOW、PHOC和PHOG三种互补特征，是否能够使图像分类准确率超越单一特征的BOW方法？
• RQ2 密集采样与改进的K均值聚类方法在BOW框架中如何提升视觉词汇表的构建质量？
• RQ3 在SVM框架中采用自适应特征加权，能否显著提升在融合多样化视觉特征时的分类性能？
• RQ4 在标准图像分类基准上，同时整合全局、局部和空间特征是否能带来显著的准确率提升？

主要发现

• 所提方法在Caltech 101数据集上的分类准确率相比传统BOW方法提升了7%至17%。
• PHOW、PHOC与PHOG特征的融合能够捕获互补信息，显著增强视觉表示的判别能力。
• 采用密集采样与改进的K均值聚类方法，相比标准稀疏采样，构建出更具鲁棒性与判别性的视觉词汇表。
• 自适应特征加权SVM方法能有效平衡各类特征的贡献，从而实现更稳定、更准确的分类结果。
• 该方法通过同时利用全局（PHOC）、局部（PHOW）和空间梯度（PHOG）信息，展现出强大的泛化能力。
• 实验结果证实，所提方法优于传统BOW方法，验证了特征融合与改进特征表示的有效性。