10.3969/j.issn.1000-386x.2017.04.042
一种基于视觉词袋模型的图像检索方法
为了提高图像检索的效率,提出一种基于视觉词袋模型的图像检索方法.一方面在图像局部特征提取算法中,使用添加渐变信息的盒子滤波器构造尺度空间,以保留图像更多的细节信息,另一方面在特征表达时仅计算一次特征点圆形邻域内的Haar小波响应,避免了Haar小波响应的重复计算,并在保证描述子旋转不变性的同时做降维处理.同时,以改进k-means对特征库聚类构建加权的视觉词典,基于概率计算的方式选取k-means初始聚类中心,降低了传统k-means聚类效果对初始聚类中心选择的敏感性.实验结果表明该方法比传统方法具有更高的效率,特征提取速度提高48%左右,查准率提高2%以上.
图像检索、视觉词袋模型、局部特征提取、特征聚类
34
TP391.9(计算技术、计算机技术)
2017-05-22（万方平台首次上网日期，不代表论文的发表时间）
共7页
249-254,321
