Institutional Repository of Coll Comp & Commun
基于优化视觉词袋模型的图像分类方法 | |
张永; 杨浩 | |
2017-08-10 | |
发表期刊 | 计算机应用 |
ISSN | ISSN:1001-9081 |
卷号 | 37期号:2017年08期页码:2244-2247+2252 |
摘要 | 针对视觉词袋(BOV)模型中过大的视觉词典会导致图像分类时间代价过大的问题,提出一种加权最大相关最小相似(W-MR-MS)视觉词典优化准则。首先,提取图像的尺度不变特征转换(SIFT)特征,并用K-Means算法对特征聚类生成原始视觉词典;然后,分别计算视觉单词与图像类别间的相关性,以及各视觉单词间的语义相似性,引入一个加权系数权衡两者对图像分类的重要程度;最后,基于权衡结果,删除视觉词典中与图像类别相关性弱、与视觉单词间语义相似性大的视觉单词,从而达到优化视觉词典的目的。实验结果表明,在视觉词典规模相同的情况下,所提方法的图像分类精度比传统基于K-Means算法的图像分类精度提高了5.30%;当图像分类精度相同的情况下,所提方法的时间代价比传统K-Means算法下的时间代价降低了32.18%,因此,所提方法具有较高的分类效率,适用于图像分类。 |
关键词 | 图像分类 视觉词袋模型 特征提取 视觉词典 |
URL | 查看原文 |
收录类别 | CNKI |
语种 | 中文 |
WOS研究方向 | Automation & Control Systems |
WOS类目 | AUTOMATION CONTROL SYSTEMS |
CSCD记录号 | CSCD:6047485 |
文献类型 | 期刊论文 |
条目标识符 | https://ir.lut.edu.cn/handle/2XXMBERH/3594 |
专题 | 计算机与通信学院 体育教学研究部 |
作者单位 | 兰州理工大学计算机与通信学院, 兰州, 甘肃 730050, 中国 |
第一作者单位 | 计算机与通信学院 |
第一作者的第一单位 | 计算机与通信学院 |
推荐引用方式 GB/T 7714 | 张永,杨浩. 基于优化视觉词袋模型的图像分类方法[J]. 计算机应用,2017,37(2017年08期):2244-2247+2252. |
APA | 张永,&杨浩.(2017).基于优化视觉词袋模型的图像分类方法.计算机应用,37(2017年08期),2244-2247+2252. |
MLA | 张永,et al."基于优化视觉词袋模型的图像分类方法".计算机应用 37.2017年08期(2017):2244-2247+2252. |
条目包含的文件 | ||||||
文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
基于优化视觉词袋模型的图像分类方法.pd(1015KB) | 期刊论文 | 出版稿 | 开放获取 | CC BY-NC-SA | 浏览 请求全文 |
个性服务 |
查看访问统计 |
谷歌学术 |
谷歌学术中相似的文章 |
[张永]的文章 |
[杨浩]的文章 |
百度学术 |
百度学术中相似的文章 |
[张永]的文章 |
[杨浩]的文章 |
必应学术 |
必应学术中相似的文章 |
[张永]的文章 |
[杨浩]的文章 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论