基于属性学习的图像识别研究与实现

图像中所蕴含的属性对于图像识别有着重要作用,以往的传统分类方法往往忽略了这些特征.视觉属性能够展现人们识别事物时所定义的语义概念,更符合人类识别图像的过程.因此,本文主要研究基于属性学习的图像识别,提出一种将属性和对象类别同时用于构建分类器的方法.通过提取图像底层的基本特征,构建属性分类器和类别分类器.属性分类器采用了直接预测模型.类别分类器SVM是一种线性化和升维的方法,在SVM方法中使用了核函数,通过核函数把低维空间的非线性映射到高维空间的线性,经过这个转化,大大提高了学习机器的非线性处理能力.同时,建立SVM模型所需要的先验干预较少.将这两种分类器运用到图像识别过程中,获得了较好的效果.