第12卷第3期 智能系统学报 Vol.12 No.3 2017年6月 CAAI Transactions on Intelligent Systems Jun.2017 D0I:10.11992/is.201605010 网络出版地址：http:/kns.cmki.ne/kcms/detail/23.1538.TP.20170705.1657.010.html REM记忆模型在图像分类识别中的应用 姜英，王延江 (中国石油大学信息与控制工程学院，山东青岛266580) 摘要：尝试将认知心理学中的记忆模型与图像学习识别联系在一起，研究基于REM(retrieving effective from memory)记忆模型的视觉图像存储与识别方法。采用方向梯度直方图(HOG)和局部二进模式(LBP)生成图像特征 向量，并对每个特征向量中的每一个分量按概率进行复制，允许错误复制，最后采用Bayesian决策计算被探测图像特 征向量与已学习图像集特征向量的平均似然比值，根据该值判断被探测图像是否已学习过。实验结果表明，提出的 算法不仅对同一个物体的小幅度旋转图像具有很好的识别效果，同时对同一类别物体图像识别也具有较好的效果， 而且其虚报率远远低于其他识别方法。 关键词：图像识别；i记忆建模；HOG特征；LBP特征；Bayesian决策 中图分类号：TP391文献标志码：A文章编号：1673-4785(2017)03-0310-08 中文引用格式：姜英，王延江.REM记忆模型在图像分类识别中的应用[J].智能系统学报，2017,12(3)：310-317. 英文引用格式：JIANG Ying,WANG Yanjiang.Application of REM memory model in image recognition and classification[J]. CAAI transactions on intelligent systems,2017,12(3):310-317. Application of REM memory model in image recognition and classification JIANG Ying,WANG Yanjiang (College of Information and Control Engineering,China University of Petroleum,Qingdao 266580,China) Abstract:We attempt to combine a memory model with image learning and recognition and to research the application of the REM model in image recognition and classification.An image feature vector was obtained by histograms of oriented gradients (HOG)and local binary pattern (LBP)operators;every component of a feature vector was copied with a certain probability,allowing for an error-prone copy of the studied vector.Finally, Bayesian decision theory was applied for calculating the average likelihood ratio between the feature vector of the probe image and that of the studied image set.The value of the ratio was used to decide whether the probe image had been studied.Experimental results demonstrate that the proposed method can gain a good recognition effect not only for the classification of the same object with small rotation angles but also for the recognition of the same category object.Moreover,the false rate is far lower than that of other classification methods. Keywords:image recognition;memory modeling;HOG feature;LBP feature;Bayesian decision 视觉图像的分类与识别研究是计算机视觉研 网络分类器[3-)，SVM支持向量机分类器s)、卷积神 究、模式识别与机器学习领域内的一个非常活跃的 经网络分类器[6)]、ELM极限学习机[]及稀疏编码方 方向，其在许多领域中应用广泛，如银行系统的人 法等。为获得良好的图像分类效果，研究者们在设 脸识别、防御系统的行人检测与跟踪、交通系统的 计图像分类方法及改进分类准确性方面都做了大 车牌检测与车辆跟踪等。近年来，图像分类山吸引 量工作。例如，稀疏编码方法已被证实在图像分类 了研究者们的注意，关于视觉图像识别与分类的各 中具有优秀的分类性能，基于该方法的许多改进的 种理论与算法层出不穷，如最近邻分类器】、神经 稀疏编码方法也被相继提出，如SRC方法[)、CRC 方法)、RSC方法[1o]及RLRC方法)等。尽管现 收稿日期：2016-05-13.网络出版日期：2017-07-05. 基金项目：国家自然科学基金项目(61271407,61301242)：山东省自然 有的许多算法在图像分类方面表现突出，但目前已 科学基金项目(ZR2013FQ015):中央高校基本科研业务费专 有的识别分类算法大多侧重于“区别”，忽视了“认 项资金资助项目(14CX06066A). 通信作者：王延江.E-mail:yjwang@upc.sdu.cm 识”，即侧重将某一类物体与有限类已学过物体进第 １２ 卷第 ３ 期 智 能 系 统 学 报 Ｖｏｌ．１２ №．３ ２０１７ 年 ６ 月 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ Ｊｕｎ． ２０１７ ＤＯＩ：１０．１１９９２ ／ ｔｉｓ．２０１６０５０１０ 网络出版地址：ｈｔｔｐ： ／ ／ ｋｎｓ．ｃｎｋｉ．ｎｅｔ ／ ｋｃｍｓ／ ｄｅｔａｉｌ ／ ２３．１５３８．ＴＰ．２０１７０７０５．１６５７．０１０．ｈｔｍｌ ＲＥＭ 记忆模型在图像分类识别中的应用 姜英，王延江 （中国石油大学 信息与控制工程学院，山东 青岛 ２６６５８０） 摘 要：尝试将认知心理学中的记忆模型与图像学习识别联系在一起，研究基于 ＲＥＭ （ ｒｅｔｒｉｅｖｉｎｇ ｅｆｆｅｃｔｉｖｅ ｆｒｏｍ ｍｅｍｏｒｙ）记忆模型的视觉图像存储与识别方法。 采用方向梯度直方图（ＨＯＧ）和局部二进模式（ＬＢＰ）生成图像特征 向量，并对每个特征向量中的每一个分量按概率进行复制，允许错误复制，最后采用 Ｂａｙｅｓｉａｎ 决策计算被探测图像特 征向量与已学习图像集特征向量的平均似然比值，根据该值判断被探测图像是否已学习过。 实验结果表明，提出的 算法不仅对同一个物体的小幅度旋转图像具有很好的识别效果，同时对同一类别物体图像识别也具有较好的效果， 而且其虚报率远远低于其他识别方法。 关键词：图像识别；记忆建模；ＨＯＧ 特征；ＬＢＰ 特征；Ｂａｙｅｓｉａｎ 决策 中图分类号：ＴＰ３９１ 文献标志码：Ａ 文章编号：１６７３－４７８５（２０１７）０３－０３１０－０８ 中文引用格式：姜英， 王延江． ＲＥＭ 记忆模型在图像分类识别中的应用［Ｊ］． 智能系统学报， ２０１７， １２（３）： ３１０－３１７． 英文引用格式：ＪＩＡＮＧ Ｙｉｎｇ， ＷＡＮＧ Ｙａｎｊｉａｎｇ． Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ＲＥＭ ｍｅｍｏｒｙ ｍｏｄｅｌ ｉｎ ｉｍａｇｅ ｒｅｃｏｇｎｉｔｉｏｎ ａｎｄ ｃｌａｓｓｉｆｉｃａｔｉｏｎ［ Ｊ］． ＣＡＡＩ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｉｎｔｅｌｌｉｇｅｎｔ ｓｙｓｔｅｍｓ， ２０１７， １２（３）： ３１０－３１７． Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ＲＥＭ ｍｅｍｏｒｙ ｍｏｄｅｌ ｉｎ ｉｍａｇｅ ｒｅｃｏｇｎｉｔｉｏｎ ａｎｄ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ＪＩＡＮＧ Ｙｉｎｇ，ＷＡＮＧ Ｙａｎｊｉａｎｇ （Ｃｏｌｌｅｇｅ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ Ｃｏｎｔｒｏｌ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｃｈｉｎａ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｐｅｔｒｏｌｅｕｍ， Ｑｉｎｇｄａｏ ２６６５８０， Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｗｅ ａｔｔｅｍｐｔ ｔｏ ｃｏｍｂｉｎｅ ａ ｍｅｍｏｒｙ ｍｏｄｅｌ ｗｉｔｈ ｉｍａｇｅ ｌｅａｒｎｉｎｇ ａｎｄ ｒｅｃｏｇｎｉｔｉｏｎ ａｎｄ ｔｏ ｒｅｓｅａｒｃｈ ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｔｈｅ ＲＥＭ ｍｏｄｅｌ ｉｎ ｉｍａｇｅ ｒｅｃｏｇｎｉｔｉｏｎ ａｎｄ ｃｌａｓｓｉｆｉｃａｔｉｏｎ． Ａｎ ｉｍａｇｅ ｆｅａｔｕｒｅ ｖｅｃｔｏｒ ｗａｓ ｏｂｔａｉｎｅｄ ｂｙ ｈｉｓｔｏｇｒａｍｓ ｏｆ ｏｒｉｅｎｔｅｄ ｇｒａｄｉｅｎｔｓ （ＨＯＧ） ａｎｄ ｌｏｃａｌ ｂｉｎａｒｙ ｐａｔｔｅｒｎ （ＬＢＰ） ｏｐｅｒａｔｏｒｓ； ｅｖｅｒｙ ｃｏｍｐｏｎｅｎｔ ｏｆ ａ ｆｅａｔｕｒｅ ｖｅｃｔｏｒ ｗａｓ ｃｏｐｉｅｄ ｗｉｔｈ ａ ｃｅｒｔａｉｎ ｐｒｏｂａｂｉｌｉｔｙ， ａｌｌｏｗｉｎｇ ｆｏｒ ａｎ ｅｒｒｏｒ⁃ｐｒｏｎｅ ｃｏｐｙ ｏｆ ｔｈｅ ｓｔｕｄｉｅｄ ｖｅｃｔｏｒ． Ｆｉｎａｌｌｙ， Ｂａｙｅｓｉａｎ ｄｅｃｉｓｉｏｎ ｔｈｅｏｒｙ ｗａｓ ａｐｐｌｉｅｄ ｆｏｒ ｃａｌｃｕｌａｔｉｎｇ ｔｈｅ ａｖｅｒａｇｅ ｌｉｋｅｌｉｈｏｏｄ ｒａｔｉｏ ｂｅｔｗｅｅｎ ｔｈｅ ｆｅａｔｕｒｅ ｖｅｃｔｏｒ ｏｆ ｔｈｅ ｐｒｏｂｅ ｉｍａｇｅ ａｎｄ ｔｈａｔ ｏｆ ｔｈｅ ｓｔｕｄｉｅｄ ｉｍａｇｅ ｓｅｔ． Ｔｈｅ ｖａｌｕｅ ｏｆ ｔｈｅ ｒａｔｉｏ ｗａｓ ｕｓｅｄ ｔｏ ｄｅｃｉｄｅ ｗｈｅｔｈｅｒ ｔｈｅ ｐｒｏｂｅ ｉｍａｇｅ ｈａｄ ｂｅｅｎ ｓｔｕｄｉｅｄ．Ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｄｅｍｏｎｓｔｒａｔｅ ｔｈａｔ ｔｈｅ ｐｒｏｐｏｓｅｄ ｍｅｔｈｏｄ ｃａｎ ｇａｉｎ ａ ｇｏｏｄ ｒｅｃｏｇｎｉｔｉｏｎ ｅｆｆｅｃｔ ｎｏｔ ｏｎｌｙ ｆｏｒ ｔｈｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ ｔｈｅ ｓａｍｅ ｏｂｊｅｃｔ ｗｉｔｈ ｓｍａｌｌ ｒｏｔａｔｉｏｎ ａｎｇｌｅｓ ｂｕｔ ａｌｓｏ ｆｏｒ ｔｈｅ ｒｅｃｏｇｎｉｔｉｏｎ ｏｆ ｔｈｅ ｓａｍｅ ｃａｔｅｇｏｒｙ ｏｂｊｅｃｔ． Ｍｏｒｅｏｖｅｒ， ｔｈｅ ｆａｌｓｅ ｒａｔｅ ｉｓ ｆａｒ ｌｏｗｅｒ ｔｈａｎ ｔｈａｔ ｏｆ ｏｔｈｅｒ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｍｅｔｈｏｄｓ． Ｋｅｙｗｏｒｄｓ：ｉｍａｇｅ ｒｅｃｏｇｎｉｔｉｏｎ； ｍｅｍｏｒｙ ｍｏｄｅｌｉｎｇ； ＨＯＧ ｆｅａｔｕｒｅ； ＬＢＰ ｆｅａｔｕｒｅ； Ｂａｙｅｓｉａｎ ｄｅｃｉｓｉｏｎ 收稿日期：２０１６－０５－１３． 网络出版日期：２０１７－０７－０５． 基金项目：国家自然科学基金项目（ ６１２７１４０７，６１３０１２４２）；山东省自然 科学基金项目（ＺＲ２０１３ＦＱ０１５）；中央高校基本科研业务费专 项资金资助项目（１４ＣＸ０６０６６Ａ）． 通信作者：王延江．Ｅ⁃ｍａｉｌ： ｙｊｗａｎｇ＠ ｕｐｃ．ｅｄｕ．ｃｎ． 视觉图像的分类与识别研究是计算机视觉研 究、模式识别与机器学习领域内的一个非常活跃的 方向，其在许多领域中应用广泛，如银行系统的人 脸识别、防御系统的行人检测与跟踪、交通系统的 车牌检测与车辆跟踪等。 近年来，图像分类［１］ 吸引 了研究者们的注意，关于视觉图像识别与分类的各 种理论与算法层出不穷，如最近邻分类器［２］ 、神经 网络分类器［３－４］ 、ＳＶＭ 支持向量机分类器［５］ 、卷积神 经网络分类器［６］ 、ＥＬＭ 极限学习机［７］及稀疏编码方 法等。 为获得良好的图像分类效果，研究者们在设 计图像分类方法及改进分类准确性方面都做了大 量工作。 例如，稀疏编码方法已被证实在图像分类 中具有优秀的分类性能，基于该方法的许多改进的 稀疏编码方法也被相继提出，如 ＳＲＣ 方法［８］ 、ＣＲＣ 方法［９］ 、ＲＳＣ 方法［１０］ 及 ＲＬＲＣ 方法［１１］ 等。 尽管现 有的许多算法在图像分类方面表现突出，但目前已 有的识别分类算法大多侧重于“区别”，忽视了“认 识”，即侧重将某一类物体与有限类已学过物体进