典型文献
基于特征融合与几何短语池化的现勘图像分类
文献摘要：
针对低层特征对图像内容描述不够精确而导致现场勘验图像(crime scene investigation,CSI)分类准确率低的不足,结合特征融合与几何短语池化提出了一种高效图像特征编码和融合方法.首先,分别提取图像密集SIFT和边缘SIFT特征并进行融合;然后,采用几何短语池化技术对融合特征进行编码,并利用多尺度空间金字塔匹配产生包含空间位置信息的稀疏编码特征;最后,通过迁移学习提取图像深度卷积特征,与编码后的特征融合成最终图像特征,并采用支持向量机对图像进行分类.实验结果表明,与经典的图像分类算法相比,所提方法更适合于现场勘验图像分类并取得了较高的分类准确率.
文献关键词：
SIFT;卷积神经网络;迁移学习;几何短语池化;现勘图像分类
中图分类号：
作者姓名：
陈雨馨;王富平;程国建
作者机构：
西安培华学院智能科学与信息工程学院 西安710125;西安邮电大学通信与信息工程学院 西安710121;西安石油大学计算机学院 西安710065
文献出处：
引用格式：
[1]陈雨馨;王富平;程国建-.基于特征融合与几何短语池化的现勘图像分类)[J].国外电子测量技术,2022(01):8-13
A类：
几何短语池化,现勘图像分类,空间金字塔匹配
B类：
特征融合,低层,现场勘验,crime,scene,investigation,CSI,分类准确率,图像特征,特征编码,融合方法,SIFT,融合特征,多尺度空间,空间位置信息,稀疏编码,编码特征,迁移学习,图像深度,深度卷积特征,图像分类算法
AB值：
0.27514
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
