ScSPM稀疏编码线性空间金字塔图像分类系统

资 源 简 介

该项目完整实现了CVPR 2009会议论文《Linear Spatial Pyramid Matching using Sparse Coding for Image Classification》中提出的ScSPM算法。该算法的核心目的是改进传统的基于向量量化（VQ）的空间金字塔匹配（SPM）模型。主要功能模块包括：1. SIFT特征提取，对输入图像进行密集的局部特征采样；2. 稀疏字典学习，利用训练集数据训练出一个能够有效重构特征的过完备字典（Codebook）；3. 稀疏编码，将局部SIFT特征表示为字典原子的线性组合，代替传统的硬分配聚类；4. 空间金字塔最大池化（Max Pooling），在不同尺度的空间网格上对稀疏特征进行整合，以捕捉图像的局部和全局空间结构信息；5. 线性SVM分类，由于ScSPM特征具有良好的线性可分性，项目使用高效的线性支持向量机代替复杂的非线性核SVM（如直方图交叉核）进行最终的图像分类预测。该代码包旨在为研究人员提供一个高效、准确的图像分类基准实现，特别适用于处理如Caltech-101、Caltech-256等大规模图像分类数据集，能够显著降低计算复杂度并提升分类性能。

详 情 说 明

ScSPM 基于稀疏编码的线性空间金字塔匹配图像分类系统

项目简介

本项目是 CVPR 2009 会议论文《Linear Spatial Pyramid Matching using Sparse Coding for Image Classification》的 MATLAB 实现版本。该系统旨在通过稀疏编码（Sparse Coding）技术改进传统的空间金字塔匹配（SPM）模型，将图像特征量化过程从“硬分配”改进为“软分配”，从而减少量化误差。

本实现利用稀疏特征的线性可分性，结合线性支持向量机（Linear SVM）构建了一个高效的图像分类流水线。系统包含从数据加载、特征提取、字典学习到分类器训练及评估的完整流程。

主要功能特性

• 自动化数据处理：支持自动检测数据集目录，若缺失数据则自动生成合成图像以供演示运行。
• 手动实现的 Dense SIFT：不依赖外部复杂的计算机视觉库（如 VLFeat），使用原生 MATLAB 代码实现了基于梯度直方图的密集 SIFT 特征提取。
• 稀疏字典学习：利用 K-Means 聚类算法初始化过完备字典（Codebook）。
• 空间金字塔匹配 (SPM)：实现了多尺度的空间网格划分（1x1 和 2x2），共计 5 个空间区域。
• 最大池化 (Max Pooling)：在空间网格内对稀疏编码系数进行最大池化整合，提取鲁棒的图像特征。
• 线性 SVM 分类：基于误差校正输出代码（ECOC）框架训练多类线性 SVM，实现 One-vs-All 分类策略。

系统要求

• MATLAB R2016b 或更高版本
• Image Processing Toolbox（用于图像梯度计算和灰度转换）
• Statistics and Machine Learning Toolbox（用于 K-Means 聚类和 SVM 训练）

使用方法

1. 准备数据：

* 代码默认查找同级目录下的 Caltech101_Demo 文件夹。 * 目录结构应为：数据集根目录/类别名/图片文件.jpg。 * 如果该目录不存在，系统将自动生成模拟数据，直接运行即可体验流程。

1. 运行程序：

* 直接运行主入口脚本。 * 程序将依次执行：参数配置 -> 数据准备 -> 字典学习 -> 特征提取 -> SVM 训练 -> 性能评估。

代码逻辑与实现细节

本项目的主要执行逻辑包含在单一的主入口函数及其辅助子函数中，具体流程分析如下：

1. 参数配置与环境初始化

系统首先固定随机数种子（rng(42)）以确保结果的可复现性。核心配置参数包括：

• 字典大小：128 个基原子（Bases）。
• 图像块与步长：采用 16x16 的图像块，以 8 像素为步长进行密集采样。
• 金字塔层级：定义了 [1, 2] 两个层级，即全图（1x1）和四等分网格（2x2），特征总维度为 $5 times 128 = 640$（单图归一化前）。
• 稀疏度：设置正则化参数 lambda 为 0.15。

2. 数据集加载与划分

• 智能加载：通过 load_image_dataset 函数遍历指定目录。代码具备容错机制，若未找到真实数据，会调用数据生成函数创建模拟数据。
• 数据集切分：通过 split_dataset 函数将数据随机打乱，并按 7:3 的比例划分为训练集和测试集。

3. 字典学习 (Dictionary Learning)

为了获得用于稀疏编码的“字典”，代码实现了以下步骤：

• 随机采样：从训练集中随机抽取部分图像（最多 50 张）。
• 特征提取：对这些图像提取密集 SIFT 特征，并从中进一步随机下采样（避免内存溢出）。
• K-Means 聚类：使用 K-Means 算法将收集到的局部特征聚类为 128 个簇中心。这些簇中心被转置并归一化，作为初始字典（Dictionary）。虽然注释中提到了 KSVD，但实际代码主要使用 K-Means 进行字典初始化。

4. 特征提取流水线 (Feature Extraction)

这是系统的核心部分，针对训练集和测试集分别执行 extract_dataset_features，包含以下三个关键步骤：

• 密集 SIFT 提取 (Dense SIFT)：

* 由 extract_dense_sift 函数实现。 * 该函数不依赖工具箱的高级函数，而是手动计算图像梯度幅值和方向。 * 将梯度方向量化为 8 个方向（0-7）。 * 在每个 16x16 的图像块中，划分 4x4 个子区域，分别统计梯度直方图，最终生成 128 维特征向量。 * 包含标准的 SIFT 后处理：L2 归一化、阈值截断（0.2）和二次归一化。

• 稀疏编码 (Sparse Coding)：

* 调用 simple_sparse_coding 函数。 * 目标是求解 $Y approx DX$，其中 $Y$ 是局部特征，$D$ 是字典，$X$ 是稀疏系数。 * 代码逻辑旨在寻找特征的稀疏线性组合，代替传统的向量量化（VQ）。

• 空间金字塔最大池化 (Spatial Pyramid Max Pooling)：

* 根据特征的空间位置（LOCS），将其映射到 1x1 和 2x2 的网格中。 * 在每个网格区域内，对该区域包含的所有局部特征的稀疏编码系数取绝对值的最大值（Max Pooling）。 * 最终将不用区域的特征拼接，形成图像的最终表示向量。

5. 线性 SVM 分类器

由于 ScSPM 提取的特征具有稀疏性和高维特性，适合使用线性分类器。

• 模型训练：使用 fitcecoc 函数训练多类分类器。
• SVM配置：

* 核函数：Linear（线性核）。 * 求解器：ISDA（迭代单数据算法，适合大规模数据）。 * 编码策略：One-vs-All（一对多）。

6. 评估与可视化

• 预测与评分：使用训练好的 SVM 模型对测试集特征进行预测，计算总体准确率（Accuracy）。
• 混淆矩阵：最后调用绘图函数展示分类结果的混淆矩阵，直观显示各类别的分类性能。