来源：期刊VIP网 时间：
作者：李连民;孙立功;孙士保;
单位：河南科技大学软件学院;
摘要：船舶识别在船舶贸易和军事活动中具有重要意义。目前的研究主要依赖于深度学习的方法，但这类方法对数据集规模和硬件要求较高，通常需要GPU等高性能硬件，限制了其在实际应用中的推广。针对这一挑战，提出了一种改进的视觉词包模型，用于快速识别船舶目标。首先利用SIFT和SURF方法提取船舶图像的局部特征，并将两种特征进行快速匹配和融合。随后，采用基于图论的方法确定图像的感兴趣区域(ROI),以减少背景的影响。接着，通过聚类算法将ROI区域内的特征转换为视觉单词，并构建视觉词典，从而用视觉单词直方图描述每幅图像。该方法还采用空间金字塔核式模型描述图像特征之间的空间关系，并通过支持向量机进行有监督的学习分类。在模型中，视觉词典的大小和分辨率水平是关键参数，通过实验对其进行了深入研究。当视觉词典大小设置为300,分辨率水平设置为2时，模型的准确率、精确率超过了96%,实验结果验证了该模型的有效性。
关键词：视觉词包模型;;局部特征;;特征融合;;船舶图像;;识别
基金资助：国家自然科学基金项目(62101478);; 龙门实验室“自由探索课题”(LMQYTSKT034)
