資源描述：
《基于加權(quán)特征空間信息視覺詞典的圖像檢索模型-論文.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、JournalofComputerApplicationsISSN1001．90812014．04．10計算機應(yīng)用，2014，34(4)：1172—1176，1226CODENJYIIDUhttp：／／www．joca．cn文章編號：1001—9081(2014)04—1172．05doi：10．11772／j．issn．1001—9081．2014．04．1172基于加權(quán)特征空間信息視覺詞典的圖像檢索模型董健。(鹽城師范學(xué)院信息科學(xué)與技術(shù)學(xué)院，江蘇鹽城224002)(通信作者電子郵箱dongiyeah@
2、yeah．net)摘要：針對傳統(tǒng)的視覺詞袋模型中視覺詞典對底層特征量化時容易引入量化誤差，以及視覺單詞的適用性不足等問題，提出了基于加權(quán)特征空間信息視覺詞典的圖像檢索模型。從產(chǎn)生視覺詞典的常用聚類算法入手，分析和探討了聚類算法的特點，考慮聚類過程中特征空間的特征分布統(tǒng)計信息，通過實驗對不同的加權(quán)方式進(jìn)行對比，得出效果較好的均值加權(quán)方案，據(jù)此對視覺單詞的重要程度加權(quán)，提高視覺詞典的描述能力。對比實驗表明，在ImageNet圖像數(shù)據(jù)集上，相對于同源視覺詞典，非同源視覺詞典對視覺空間的劃分影響較小，且基于加權(quán)特
3、征空間信息視覺詞典在大數(shù)據(jù)集上更加有效。關(guān)鍵詞：圖像搜索；視覺詞袋模型；加權(quán)特征空間信息；視覺詞典；聚類算法中圖分類號：TP391文獻(xiàn)標(biāo)志碼：AImageretrievalmodelbasedonvisualvocabularywithweightedfeaturespaceinformationDONGJian(CollegeofInformationScienceandTechnology,YanChengTeache~University，YanChengJiangSu224002，China)Ab
4、stract：ConcerningthequantizationerrorwhenthelocalfeatureswerequantifiedbythevisualvocabularyintraditionalBag—of-Visual—Word(BoVW)model，animageretrievalmodelbasedonvisualvocabularywithweightedfeaturespaceinformationwasproposed．Consideredtheclusteringmethod
5、whichwasusedtogeneratethevisualcodebook，thestatisticinformationofthefeaturespacewasanalyzedduringtheclusteringproeess．Throughthecomparisonofdifferentweightingmethodsbyexperiments，thebestweightingmethod，meanweightedaverage，wasfoundtoweightthevisualwordstoi
6、mprovethedescriptiveabilityofthecodebook．TheexperimentonImageNetdatasetshowsthat，comparedtohomologousvisualcodebook，non—homologousvisualcodebookhaslessimpactondividingthevisualspace，andtheeffectsoftheweightedfeaturespacebasedvisualcodebookonbigdatasetareb
7、etter．Keywords：imageretrieval；bagofvisualwordmodel；weightedfeaturespace；visualvocabulary；clusteralgorithm識圖等。0引言近年來，國內(nèi)外對圖像檢索的研究主要集中在對圖像的智能終端設(shè)備如智能手機、平板電腦，以及數(shù)碼相機和數(shù)底層視覺特征以及全局特征的相關(guān)反饋的研究。Haas等碼攝像機的普及和便攜化，使這些多媒體采集設(shè)備已經(jīng)成為提出了基于感知學(xué)習(xí)的相關(guān)反饋算法；Wang等提出了帶人們?nèi)粘Ｉ钪胁豢扇鄙俚囊徊糠帧?/p>
8、同時智能終端與互聯(lián)網(wǎng)重啟的隨機游走的圖像注釋提前算法，從其注釋中找到相關(guān)之間的交互越來越方便，人們大量地使用這些設(shè)備來上傳、瀏視覺特征；針對圖像旋轉(zhuǎn)對圖像檢索造成的影響，朱正禮覽和交流拍攝的數(shù)字圖像。據(jù)Intel統(tǒng)計?，僅在Flickr上就等”。提出了預(yù)計非下采樣輪廓變換、灰度共生矩陣和新相似有2000萬的圖像瀏覽次數(shù)。據(jù)統(tǒng)計，截至2011年8月，性度量的旋轉(zhuǎn)不變紋理圖像檢索算法。受文本領(lǐng)域信息檢索Flickr上的圖像總數(shù)已達(dá)
