Single-scale image classification employing Bag-of-Words model
单尺度词袋模型图像分类方法*

针对基于SIFT特征描述的图像分类方法需构造多尺度极值空间，运算耗时且部分极值点无直观视觉意义，提出一种新型的图像分类方法。该方法通过网格直接提取单尺度SIFT特征，并对局部特征进行单尺度词袋模型描述。由于单尺度SIFT无须构造多尺度空间且保留了更多的全局信息，从而极大地降低了计算复杂度且使分类正确率得到显著提升。实验结果表明，提出的单尺度SIFT比常规SIFT所形成的词袋模型在分类正确率上有明显提高。