基于Bag of Words的干果圖像分類研究

摘要 針對干果圖像信息量大、分類精度低和耗時多的特點(diǎn)，提出利用Bag of Words模型提取圖片的代表特征，并采用樸素貝葉斯分類器指導(dǎo)特征矩陣分類。結(jié)果表明，圖像分類精度能達(dá)到80%，分類處理時間約為2 s。通過增加學(xué)習(xí)樣本來進(jìn)一步提高分類精度，將Bag of Words應(yīng)用于干果圖像識別和分類是可行的。

關(guān)鍵詞 圖像分類；詞袋模型；樸素貝葉斯分類器

中圖分類號S126；TP391文獻(xiàn)標(biāo)識碼A文章編號0517-6611（2014）29-10381-03

基金項目國家自然科學(xué)基金項目（61162018）；國家自然科學(xué)基金項目（F010408）；新疆農(nóng)業(yè)信息化研究中心重點(diǎn)項目（TSAI201401）。

作者簡介施明登（1977-），男，福建三明人，講師，在讀博士，從事計算機(jī)視覺、嵌入式系統(tǒng)研究。*通訊作者，教授。

物體識別分類是當(dāng)前國內(nèi)外計算機(jī)視覺領(lǐng)域一個活躍的研究方向，物體識別和分類的本質(zhì)就是建立一個能夠識別出圖像中感興趣物體類別的計算系統(tǒng)，在現(xiàn)實(shí)生活中有著廣泛的應(yīng)用需求，具有相當(dāng)高的應(yīng)用價值和研究意義[1]。在現(xiàn)實(shí)世界中，人們用人眼視覺進(jìn)行圖像中物體的認(rèn)知和識別，通過人眼捕獲外界傳來的視覺信息，然后將這些信息交給大腦進(jìn)行處理，大腦進(jìn)行分析之后，將會告訴人們圖像的內(nèi)容。而這對于計算機(jī)來講卻是一項很復(fù)雜的任務(wù)，輕微的物體外觀的改變也會導(dǎo)致計算機(jī)的分析認(rèn)知過程產(chǎn)生偏差，從而給出錯的結(jié)果。因此，如何使計算機(jī)識別最大限度接近甚至超越人眼識別的精確度，仍需要進(jìn)行進(jìn)一步的探索。

目前對干果圖像進(jìn)行識別和分類的方法主要有兩種。一種是根據(jù)圖像的顏色、紋理、邊緣和光譜等底層的特征進(jìn)行識別和分類[2]，這種方法容易受光照度、尺寸變換和角度等因素影響，識別誤差較大。近年來，建立在提取圖像局部特征之上圖像分類算法得到越來越多的研究[3]，與前一種方法相比，利用局部特征進(jìn)行圖像描述時，每幅圖像被分解成很多獨(dú)立的局部區(qū)域，每個區(qū)域?qū)?yīng)一個特征向量。這些局部區(qū)域的特征具有各種不變性（旋轉(zhuǎn)不變性、尺度不變性、仿射不變性、灰度不變性等）[4-5]，為圖像的識別和分類提供一種統(tǒng)計意義的圖像內(nèi)容表述。其中典型的代表是Bag of Words算法，它具有較高的識別和分類效率，近年來受到越來越多研究者的關(guān)注[6]。

為此，筆者針對干果圖像信息量大、分類精度低和耗時多的特點(diǎn)，提出利用Bag of Words模型提取圖片的代表特征，并采用樸素貝葉斯分類器指導(dǎo)特征矩陣分類，對Bag of Words算法及其在干果識別上的應(yīng)用進(jìn)行了深入的研究。

1 算法實(shí)現(xiàn)

Bag of Words算法源于自然語言處理和信息檢索，在文本分類任務(wù)中取得了很大成效[7]。與文本相似，圖像可以被視為一些與位置信息無關(guān)的局部特征的集合，這些局部特征的地位類似于文本中的單詞，這里稱作“視覺單詞”，視覺單詞的集合稱為“視覺詞典”；圖像的灰度、梯度等低級特征通過視覺單詞形成了中級語義表示，Bag of Words模型就可以類比地應(yīng)用于圖像識別分類中[8]。

Bag of Words算法一般分為4步：第1步，從圖像中提取出局部區(qū)域，將圖像表示成局部區(qū)域的集合；第2步，對這些提取出來的局部區(qū)域進(jìn)行描述，將每一個局部區(qū)域用一個特征向量來描述，為了獲得好的分類效果，這些特征向量需要具備不同程度的不變性，如旋轉(zhuǎn)、縮放、平移等不變性；第3步，利用上一步得到的大量的特征向量，抽取其中有代表性的向量作為單詞，形成詞典；第4步，當(dāng)圖像的局部區(qū)域和某一單詞的相似性超過某一閾值，就認(rèn)為圖像中包含這個單詞。最終對圖像中的單詞進(jìn)行統(tǒng)計，把圖像表示成單詞的分布，設(shè)計并訓(xùn)練一個分類器，利用圖像中單詞的分布進(jìn)行分類。其基本流程見圖1。

圖1Bag of Words算法基本流程示意1.1圖像的特征提取和表示常用的特征提取方法有密集采樣、隨機(jī)采樣和基于特征點(diǎn)的采集。密集采樣是對圖像中每個像素點(diǎn)進(jìn)行處理，這樣做能獲取圖像中的大多數(shù)信息。但是隨著科技的發(fā)展，人們常用的攝像產(chǎn)品的像素越來越高，拍出來的圖像也越來越大，這樣就會造成所獲取的信息量過大，會帶來存儲及運(yùn)算速度上的問題，所以這種方法在實(shí)際應(yīng)用中并不可取。隨機(jī)采樣是圖像中任意選取一部分圖像塊來作為圖像的特征，雖然當(dāng)采樣數(shù)量較小時，可以解決存儲和運(yùn)算上的問題，但同時也會造成識別效果較差。該研究運(yùn)用基于特征點(diǎn)的采集方法，采用SIFT算法對圖像進(jìn)行特征點(diǎn)提取。

SIFT算法一般分為4步：①檢測尺度空間的極值點(diǎn)；②定位極值點(diǎn)；③確定每個極值點(diǎn)的方向參數(shù)；④生成極值點(diǎn)描述子。SIFT 算法在尺度空間中使用了一種圖像金字塔結(jié)構(gòu)， 其中包括高斯金字塔和高斯殘差金字塔兩個部分。高斯殘差金字塔由對應(yīng)相鄰的高斯金字塔中的兩個圖像尺度層相減獲得。金字塔由多級組成， 每級包含多個圖像尺度層， 每層之間的σ值相差k倍。每級的底層由下一級中對應(yīng)的尺度層通過系數(shù)為2的抽樣操作獲得。高斯殘差是尺度規(guī)格化Laplacian 算子的一種近似， 因而SIFT 算法直接選取高斯殘差金字塔中在局部區(qū)域內(nèi)獲得極值的像素點(diǎn)為特征點(diǎn)。具體的SIFT 特征點(diǎn)提取過程可參見文獻(xiàn)[5]。圖2是測試中所使用的原圖和SIFT效果圖。

1.2視覺詞典創(chuàng)建用SIFT等特征提取方法可以從一個圖像中檢測并提取到大量的興趣點(diǎn)。從一個圖像中通?？梢缘玫綌?shù)百個甚至上千個興趣點(diǎn)，其是由圖像本身的內(nèi)容以及興趣點(diǎn)檢測算子的敏感度等決定的。然后，圖像分類算法還要對這些大量的興趣點(diǎn)進(jìn)行處理，減少要處理的興趣點(diǎn)的數(shù)量。因?yàn)檫^多的興趣點(diǎn)會降低詞袋模型的學(xué)習(xí)效率， 將興趣點(diǎn)聚類為單詞是詞袋模型的一個必要步驟，聚類中心的數(shù)目、聚類效果的好壞對分類正確率有直接影響。該研究采用K-均值算法進(jìn)行聚類，然后通過統(tǒng)計視覺單詞出現(xiàn)的頻率和多個單詞共同出現(xiàn)的情況獲得視覺単詞的直方圖。K-均值算法聚類過程可參見文獻(xiàn)[9]。圖3是測試過程中得到的核桃類直方圖。

1.3分類器設(shè)計在應(yīng)用聚類方法生成視覺單詞之后，每個圖像將會由一個單詞袋來表示，下一步就涉及如何訓(xùn)練分類器，對圖像類別進(jìn)行區(qū)分。因?yàn)锽ag of Words模型是源自于文檔處理領(lǐng)域，因此文檔處理領(lǐng)域所應(yīng)用的一些分類方法同樣也適用于圖像處理領(lǐng)域。該研究采用具有代表性的Nave貝葉斯模型為生成模型。

Nave貝葉斯分類器的最優(yōu)解使得后驗(yàn)概率p（c|w）最大，其數(shù)學(xué)描述如下：

2驗(yàn)證試驗(yàn)結(jié)果與分析

為驗(yàn)證基于Bag of Words算法對干果識別和分類的有效性，選取核桃、沙漠果、無花果、巴旦木和灰棗5類干果圖像數(shù)據(jù)進(jìn)行試驗(yàn)，每類干果分別用5幅圖片數(shù)據(jù)用于訓(xùn)練，3幅圖片數(shù)據(jù)用于測試。開發(fā)環(huán)境：Windows 7，Visio Studio 2010，C++，OpenCV2.4.3。

分類正確率為檢測到的正確分類的樣本個數(shù)占總樣本數(shù)的比率，公式為：分類正確率=正確的目標(biāo)類樣本數(shù)/目標(biāo)類樣本數(shù)。

試驗(yàn)中首先用SIFT算法對訓(xùn)練圖像進(jìn)行特征提取和描述，得到圖像的描述符；然后對得到的所有特征點(diǎn)和描述符用K均值聚類量化得到類心；接著用得到的類心通過計算其與特征點(diǎn)描述符的距離來處理每幅圖像得到向量柱形圖（頻數(shù)表）；最后用向量柱形圖來表示這幅圖片，最后用Nave貝葉斯分類器對圖像進(jìn)行分類。其中w={w1，w2，

3結(jié)語

在圖像分類任務(wù)中，在詞袋模型的視覺詞典的學(xué)習(xí)和改進(jìn)過程中通常需要大量的樣本，這是因?yàn)橐粋€圖像類別內(nèi)部的個體本身就存在著差異，為了學(xué)到足夠的類別知識，需要涵蓋這些有差異的類內(nèi)個體，所以學(xué)習(xí)一個類別需要成百甚至成千的訓(xùn)練樣本。在僅有少量樣木的條件下，分類算法要保持良好的分類性能，最有效的方法就是充分利用已經(jīng)學(xué)習(xí)好的源類別圖像的知識，將其恰當(dāng)?shù)剡w移到當(dāng)前的目標(biāo)類別圖像的學(xué)習(xí)中。

參考文獻(xiàn)

[1] 王冰.基于詞袋模型的圖像分類方法研究[D].合肥：中國科學(xué)技術(shù)大學(xué)，2008.

[2] 田淵棟.基于特征組合的一般物體識別相關(guān)算法研究[D].上海：上海交通大學(xué)，2007.

[3] ZITOVA B，F(xiàn)LUSSER J.Image registration methods：A survey[J].Image and Vision Computing，2003，21（11）：977-1000.

[4] 郭立君，劉曦，趙杰煜，等.基于改進(jìn)局部特征分布的閣像分類方法[J].模式識別與人工智能，2011，24（3）：368-375.

[5] LOWE D G.Distinctive image features from scale invariant keypoints[J].International Journal of Computer Vision，2004，60（2）：91-110.

[6] 黃凱奇，任偉強(qiáng)，譚鐵牛. 圖像物體分類與檢測算法綜述[J]. 計算機(jī)學(xué)報， 2014，37（6）：1225-1240.

[7] 蘇金樹，張博鋒，徐昕.基于機(jī)器學(xué)習(xí)的文本分類技術(shù)研究進(jìn)展[J].軟件學(xué)報，2006，17（9）：1848-1859.

[8] 趙春暉，王瑩，KANEKO M. 一種基于詞袋模型的圖像優(yōu)化分類方法[J].電子與信息學(xué)報，2012（9）：2064-2070.