基于局部特征的图像分类方法

被引：15

作者：

曹健 ^{[1
]}

魏星 ^{[2
]}

李海生 ^{[1
]}

蔡强 ^{[1
]}

机构：

[1] 北京工商大学计算机与信息工程学院

[2] 北京科技大学计算机与通信工程学院

来源：

电子科技大学学报 | 2017年 / 01期

基金：

北京市自然科学基金;

关键词：

凝聚聚类; 分类器; 图像分类; 局部特征; 视觉单词;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

摘要：

为了有效地组织、管理和浏览大规模的图像资源,提出了一种利用局部特征进行图像分类的方法。通过深入分析和比较常见的局部特征,选用合适的局部特征构建视觉单词库。这些视觉单词具有很好的平移、旋转、尺度不变性,并对噪声有一定的抵抗能力。借鉴文本分类领域的向量空间模型进行图像的表示,并设计出了相应的分类算法。标准图像库上的实验结果表明,该方法在图像分类中有效,有较高的实用价值。

引用

页码：69 / 74

页数：6

共 9 条

[1]

融合显著信息的LDA极光图像分类 [J].

韩冰 ;

杨辰 ;

高新波 .

软件学报, 2013, 24 (11) :2758-2766

[2]

A review of object representation based on local features[J] Jian CAO;Dian-hui MAO;Qiang CAI;Hai-sheng LI;Jun-ping DU; Journal of Zhejiang University-Science C(Computers & Electronics) 2013, 07

[3]

基于局部特征的自适应快速图像分割模型 [J].

葛琦 ;

韦志辉 ;

肖亮 ;

张军 .

计算机研究与发展, 2013, (04) :815-822

[4]

基于稀疏编码和集成学习的多示例多标记图像分类方法 [J].

宋相法 ;

焦李成 .

电子与信息学报, 2013, 35 (03) :622-626

[5]

一种颜色仿射变换下的局部特征描述子 [J].

葛娟 ;

曹伟国 ;

周炜 ;

公明 ;

刘浏 ;

李华 .

计算机辅助设计与图形学学报, 2013, 25 (01) :26-33

[6]

局部特征与多示例学习结合的超声图像分类方法 [J].

丁建睿 ;

黄剑华 ;

刘家锋 ;

张英涛 .

自动化学报, 2013, 39 (06) :861-867

[7]

Object Bank: An Object-Level Image Representation for High-Level Visual Recognition[J] Li-Jia Li;Hao Su;Yongwhan Lim;Li Fei-Fei International Journal of Computer Vision 2014,

[8]

Robust Object Detection with Interleaved Categorization and Segmentation[J] Bastian Leibe;Aleš Leonardis;Bernt Schiele International Journal of Computer Vision 2008,

[9]

Distinctive Image Features from Scale-Invariant Keypoints.[J] David G. Lowe International Journal of Computer Vision 2004,

← 1 →