论文部分内容阅读
图像表达是图像分类中最基本也是最重要的一个环节,当前的图像表达方法为了获得较高的分类性能,通常采用维度极高的特征向量.这给分类器的训练和特征的存储带来了极大的负担.同时,这些方法没有考虑图像的变化给图像表达所带来的影响.为此,针对以上的问题提出了一种对图像的可变性进行建模的方法.该方法首先使用高斯混合模型对底层视觉特征进行建模;再构造图像的充分统计量;最后采用可变性分析对充分统计量进行分解,并结合偏最小二乘回归方法获得紧致的图像表达.在公开的主流图像分类数据库上,该方法在获得更高的分类性能的同时极大