论文部分内容阅读
针对传统物体形状分类算法中图像的空间结构特征表示不够准确,以及分类器模型参数易陷入局部最优的问题,提出结合重叠金字塔与贝叶斯优化神经网络的物体形状分类方法。首先,将物体轮廓分割为不同长度的轮廓片段作为形状的基本特征,并用局部线性编码器对其编码;然后,使用提出的空间重叠金字塔模型,将图像表示为空间金字塔直方图向量;最后,使用贝叶斯优化的前馈神经网络分类器对得到的图像表达进行分类。在常用的Animal标准图像库上实验证明,本文方法可以完整记录形状的内容和结构信息,与轮廓片段包算法相比,准确度提高了1.4%。