计算机科学 ›› 2014, Vol. 41 ›› Issue (Z11): 123-127.
张婷,戴芳,郭文艳
ZHANG Ting,DAI Fang and GUO Wen-yan
摘要: 词汇树图像检索是一种基于视觉关键词结构的高效的图像检索算法。该算法在特征提取和聚类过程中分别采用SIFT算法和K-means算法。然而,K-means算法对初值比较依赖,当聚类个数未知时,聚类易出现强分现象,且SIFT算法易造成数据溢出和增加检索时间。对此,给出了两种新的特征提取方法,分别称为SIFT_CRONE特征和Color_HU特征,同时引入了ISODATA算法对特征进行聚类。SIFT_CRONE特征提取方法基于SIFT算法确定图像的关键点,采用CRONE算子计算关键点周围像素的梯度,对关键点进行向量描述,其优点是既保持了SIFT特征的优点又减少了检索时间。Color_HU 特征是利用SIFT确定关键点和有效区域,对关键点的邻域提取该感兴趣区域的颜色直方图和HU矩特征,降低特征维数,缩短检索时间。在使用ISODATA算法时,设计了一种自适应参数确定算法。实验结果表明,ISODATA算法克服了K-means对初值的依赖,当聚类个数未知时有较好的聚类效果;两种新特征有各自的特点,均可以缩短图像的检索时间,提高检索效率。
[1] Nister D.Scalable Recognition with a Vocabulary Tree.Proc.of the Intl Conf[C]∥ on Computer Vision and Pattern Recognition.2006,2:2161-2168 [2] Lowe D G.Distinctive image features from scale-invariant keypoints[J].International journal of Computer Vision,2004,60(2):91-110 [3] Qi Jin,Zhao Jian,Xie Yu,et al.Large-Scale Image RetrievalMethod Based on Voeabulary Tree[C]∥12th Amiual Meeting of China Assoeiation for Seienec and Technology on Information and Communication Technology and Smart Grid.Seientific Research Publishing,2010:219-223 [4] 齐锦.基于仿射传播聚类算法的词汇树生成研究[D].西安:西北大学,2011 [5] 陈晓宁.基于词汇树的图像检索中对视觉关键词的提取和研究[D].西安:西北大学,2011 [6] 汪成亮,兰利彬.采用分数阶微分边缘检测的图像插值[J].北京理工大学学报,2011,31(9):1085-1089 [7] Mathieu B,Melchior P,Oustaloup A,et al.Fractional differentiation for edge detection [J].Signal Processing,2003,83(11):2421-2432 [8] 张舒娟,王庆民.基于多特征的图像检索研究[J].计算机与现代化,2010,173(1):124-127 [9] 孙即祥.现代模式识别[M].北京:高等教育出版社,2008 [10] 陈平生.K-means和ISODATA聚类算法的比较研究[J].江西理工大学学报,2012,3(1):78-82 |
No related articles found! |
|