场景理解是计算机视觉理论研究和技术应用所要挑战的目标之一,包括场景分类、图像分割、目标检测与标注等诸多技术,其中,场景分类是实现场景理解的先决条件,在视频监控、机器人导航与决策等视觉应用中有着不可或缺的作用。研究场景分类技术是计算机视觉、机器学习和模式识别等领域的重要课题。近年来,随着计算技术及图像传感器的快速发展,拓展了图像采集方式并促进了视觉领域的发展。例如,流行的图像分享网站如Flickr存储的图像数量已超过六十亿,知名图像社交网站Instagram的活跃用户数量突破了一亿。与此同时,越来越多的设备具有了获取图像的能力,掀起了智能设备普及的浪潮,扩展了设备的应用场景和范围。丰富的图像数据可为用户提供更优质的信息资源,但大量的图像数据使手工分类越来越难以满足日益增长的需求,也不符合设备智能化的趋势。因此研究场景分类方法实现类别自动标注,是提高图像检索效率、拓展视觉智能应用的必要途径。现有场景分类方法主要包括基于底层视觉特征的分类方法和基于知识语义的推理方法。这些分类方法利用视觉特征训练视觉分类器完成分类任务,通常在小规模样本集上有较好的效果。主要不足在于,底层视觉特征与人类理解的高层语义间存在语义鸿沟,不能很好地描述图像;基于知识语义的方法在构造知识库与推理时偏重于采用语义属性而忽视了视觉属性的重要作用。本文针对场景分类问题,提出了包括图像样本选择、语义层次扩展视觉词包图像描述、场景结构分析以及视觉属性知识库构建在内的一套完整的理论体系。主要创新性工作有:1.从视觉认知角度出发,提出一种样本自动收集方法,解决基于不确定性主动学习方法未考虑样本类别分布,且需要对所选样本进行额外标注的问题。将基于视觉词包的确定性评价引入到基于熵的不确定性度量中,使主动学习方法能够在有效地收集样本的同时对样本类别进行自动标注。另外,利用认知心理学中负加速学习理论对迭代停止条件进行自适应调节,在训练过程中通过样本相似性度量对不同类别样本设置不同的权值,并在迭代过程中更新,从而提高收敛速度。实验结果表明,该方法能够提高样本收集效率,用该方法收集的样本训练分类器能够提高分类性能。2.提出了语义层次扩展场景分类方法,解决底层视觉特征存在语义鸿沟不能有效描述图像高层语义的问题。通过引入抽象语义对词包模型进行多层次扩展,提出语义保留方法在词包模型构造的初级视觉词典基础上生成具有高语义层级的视觉词典。利用自底向上的方式逐层传递语义,训练上层语义分类器,从而提高词包模型的描述能力。分类时采用自顶向下方式逐层判断待测样本的类别。实验结果表明,提出的方法与其他分类方法相比具有更好的分类性能。3.提出了一种室内场景层次结构,解决不同类别室内场景装饰多变且类别间具有相似性的不利于分类器训练的问题。不同类别的室内场景间具有相似性,而相同类别的室内场景具有相异性。本文根据人类的认知规律及室内场景的特点,提出了一种场景层次结构。通过层次检测方法自动划分层次结构并用层次语义表述室内场景的结构。与已有分类方法相比,所提出的层次结构能够更好地描述室内场景,从而能够提高场景分类性能。4.在室内场景结构检测的基础上,提出高层知识库构建方法对室内场景进行分类。室内场景分类是场景交互的前提,基于一阶逻辑的方法在构造知识库的过程中忽略了普遍存在的层次结构和视觉属性。针对上述不足,提出一种基于马尔科夫逻辑网的室内场景知识表示与推理方法,通过引入上述场景层次结构与视觉属性构造高层知识库来提高知识库的描述能力。实验结果表明,所构造的知识库具有鲁棒性,并且能够有效地对室内场景进行分类。本文针对场景分类问题,在样本选择、语义扩展视觉词包图像描述、场景结构分析和视觉属性知识库构建等方面开展研究。提出的方法有机地构成场景分类框架,提高了场景分类性能。