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，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特征矩陣分類。結果表明，圖像分類精度能達到80%，分類處理時間約為2 s。通過增加學習樣本來進一步提高分類精度，將Bag of Words應用于干果圖像識別和分類是可行的。

關鍵詞 圖像分類；詞袋模型；樸素貝葉斯分類器

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

基金項目國家自然科學基金項目（61162018）；國家自然科學基金項目（F010408）；新疆農業信息化研究中心重點項目（TSAI201401）。

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

物體識別分類是當前國內外計算機視覺領域一個活躍的研究方向，物體識別和分類的本質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，在現實生活中有著廣泛的應用需求，具有相當高的應用價值和研究意義[1]。在現實世界中，人們用人眼視覺進行圖像中物體的認知和識別，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行處理，大腦進行分析之后，將會告訴人們圖像的內容。而這對于計算機來講卻是一項很復雜的任務，輕微的物體外觀的改變也會導致計算機的分析認知過程產生偏差，從而給出錯的結果。因此，如何使計算機識別最大限度接近甚至超越人眼識別的精確度，仍需要進行進一步的探索。

目前對干果圖像進行識別和分類的方法主要有兩種。一種是根據圖像的顏色、紋理、邊緣和光譜等底層的特征進行識別和分類[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，利用局部特征進行圖像描述時，每幅圖像被分解成很多獨立的局部區域，每個區域對應一個特征向量。這些局部區域的特征具有各種不變性（旋轉不變性、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計意義的圖像內容表述。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，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特征矩陣分類，對Bag of Words算法及其在干果識別上的應用進行了深入的研究。

1 算法實現

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域，將圖像表示成局部區域的集合；第2步，對這些提取出來的局部區域進行描述，將每一個局部區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、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，當圖像的局部區域和某一單詞的相似性超過某一閾值，就認為圖像中包含這個單詞。最終對圖像中的單詞進行統計，把圖像表示成單詞的分布，設計并訓練一個分類器，利用圖像中單詞的分布進行分類。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、隨機采樣和基于特征點的采集。密集采樣是對圖像中每個像素點進行處理，這樣做能獲取圖像中的大多數信息。但是隨著科技的發展，人們常用的攝像產品的像素越來越高，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，會帶來存儲及運算速度上的問題，所以這種方法在實際應用中并不可取。隨機采樣是圖像中任意選取一部分圖像塊來作為圖像的特征，雖然當采樣數量較小時，可以解決存儲和運算上的問題，但同時也會造成識別效果較差。該研究運用基于特征點的采集方法，采用SIFT算法對圖像進行特征點提取。

SIFT算法一般分為4步：①檢測尺度空間的極值點；②定位極值點；③確定每個極值點的方向參數；④生成極值點描述子。SIFT 算法在尺度空間中使用了一種圖像金字塔結構， 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的尺度層通過系數為2的抽樣操作獲得。高斯殘差是尺度規格化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域內獲得極值的像素點為特征點。具體的SIFT 特征點提取過程可參見文獻[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。從一個圖像中通常可以得到數百個甚至上千個興趣點，其是由圖像本身的內容以及興趣點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進行處理，減少要處理的興趣點的數量。因為過多的興趣點會降低詞袋模型的學習效率， 將興趣點聚類為單詞是詞袋模型的一個必要步驟，聚類中心的數目、聚類效果的好壞對分類正確率有直接影響。該研究采用K-均值算法進行聚類，然后通過統計視覺單詞出現的頻率和多個單詞共同出現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[9]。圖3是測試過程中得到的核桃類直方圖。

1.3分類器設計在應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練分類器，對圖像類別進行區分。因為Bag of Words模型是源自于文檔處理領域，因此文檔處理領域所應用的一些分類方法同樣也適用于圖像處理領域。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解使得后驗概率p（c|w）最大，其數學描述如下：

2驗證試驗結果與分析

為驗證基于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類干果圖像數據進行試驗，每類干果分別用5幅圖片數據用于訓練，3幅圖片數據用于測試。開發環境：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占總樣本數的比率，公式為：分類正確率=正確的目標類樣本數/目標類樣本數。

試驗中首先用SIFT算法對訓練圖像進行特征提取和描述，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描述符的距離來處理每幅圖像得到向量柱形圖（頻數表）；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行分類。其中w={w1，w2，

3結語

在圖像分類任務中，在詞袋模型的視覺詞典的學習和改進過程中通常需要大量的樣本，這是因為一個圖像類別內部的個體本身就存在著差異，為了學到足夠的類別知識，需要涵蓋這些有差異的類內個體，所以學習一個類別需要成百甚至成千的訓練樣本。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學習好的源類別圖像的知識，將其恰當地遷移到當前的目標類別圖像的學習中。

參考文獻

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

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

[3] ZITOVA B，FLUSSER 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，譚鐵牛. 圖像物體分類與檢測算法綜述[J]. 計算機學報， 2014，37（6）：1225-1240.

[7] 蘇金樹，張博鋒，徐昕.基于機器學習的文本分類技術研究進展[J].軟件學報，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化分類方法[J].電子與信息學報，2012（9）：2064-2070.