基于改进视觉字典模型的图像检索算法

被引：5

作者：

李强 ^{[1
]}

左欣 ^{[1
]}

沈继锋 ^{[2
]}

徐云凯 ^{[1
]}

宋颖 ^{[1
]}

机构：

[1] 江苏科技大学计算机科学与技术

[2] 江苏大学电气信息工程学院

来源：

电子设计工程 | 2014年 / 22卷 / 15期

关键词：

图像检索; ROOTSift算法; K-means聚类; 视觉字典;

D O I：

10.14022/j.cnki.dzsjgc.2014.15.046

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

目前在图像检索领域,由于视觉字典其性能突出,已成为图像检索领域构建视觉词典的主流方法。但传统的视觉字典方法存在运行时间效率低、内存消耗大等缺点。因此本文采用ROOTSift算法提取图像的特征点并利用高效的K-means聚类算法建立支持动态扩充的随机视觉字典。该方法基于视觉字典构建视觉词汇直方图和倒排序索引文件,并对视觉词重新分配权重以提高检索命中率。最后利用欧氏距离法查询完成相似性匹配。试验结果表明该方法能提高图像检索的准确率,对大规模的图像检索能够达到很好的检索质量。

引用

页码：82 / 85

页数：4