改进的Salbayes算法在图像识别中的研究

当面对大量图像时,人眼会结合自底向上和自顶向下的两部分信息,快速对图像进行识别。在众多模拟人眼视觉的算法模型中,Itti提出的基于显著性的视觉注意力模型[1]得到了广泛的应用。SalBayes模型就是在此算法基础之上,结合Bayesian分类模型,通过建立学习对象的视觉特性的概率模型,从而实现快速地进行大批图像的分类和搜索。本文对SalBayes算法中的概率分布函数(PDF)进行了改进,通过用混合高斯模型(GMM)代替单一高斯模型来提高算法的分类效率。理论分析和实验结果表明,对于同一个图像库ALOI[8](Amsterdam Library of Object Images),本文算法相对于SalBayes算法而言,在图像识别的准确率有较大提高。