中国图象图形学报
中國圖象圖形學報
중국도상도형학보
JOURNAL OF IMAGE AND GRAPHICS
2012年
10期
1245-1251
,共7页
无监督图像分类%Adaboost%图划分%Swendsen-Wang cuts
無鑑督圖像分類%Adaboost%圖劃分%Swendsen-Wang cuts
무감독도상분류%Adaboost%도화분%Swendsen-Wang cuts
针对当前大多数无监督图像分类方法不能对每个图像类进行特征选择和自动确定图像类别的数量问题,提出一种基于Adaboost和随机图划分的无监督图像分类方法.该方法包括两个部分:1)将图像分类问题看做是一个自动的随机图划分问题,其中图的每一个顶点代表一幅图像,通过划分形成的子图代表了图像类.再采用Adaboost算法对每一个形成的图像类进行特征选择,从而得到每类图像的表达模型.2)采用一种基于蒙特卡洛马尔可夫链(MCMC)的随机采样算法(SWC)来对图进行划分.相比传统的随机采样算法,SWC具有更快的收敛速度.在两个图像数据集上的实验结果表明,本文方法的分类性能明显优于其他现有的无监督分类法.
針對噹前大多數無鑑督圖像分類方法不能對每箇圖像類進行特徵選擇和自動確定圖像類彆的數量問題,提齣一種基于Adaboost和隨機圖劃分的無鑑督圖像分類方法.該方法包括兩箇部分:1)將圖像分類問題看做是一箇自動的隨機圖劃分問題,其中圖的每一箇頂點代錶一幅圖像,通過劃分形成的子圖代錶瞭圖像類.再採用Adaboost算法對每一箇形成的圖像類進行特徵選擇,從而得到每類圖像的錶達模型.2)採用一種基于矇特卡洛馬爾可伕鏈(MCMC)的隨機採樣算法(SWC)來對圖進行劃分.相比傳統的隨機採樣算法,SWC具有更快的收斂速度.在兩箇圖像數據集上的實驗結果錶明,本文方法的分類性能明顯優于其他現有的無鑑督分類法.
침대당전대다수무감독도상분류방법불능대매개도상류진행특정선택화자동학정도상유별적수량문제,제출일충기우Adaboost화수궤도화분적무감독도상분류방법.해방법포괄량개부분:1)장도상분류문제간주시일개자동적수궤도화분문제,기중도적매일개정점대표일폭도상,통과화분형성적자도대표료도상류.재채용Adaboost산법대매일개형성적도상류진행특정선택,종이득도매류도상적표체모형.2)채용일충기우몽특잡락마이가부련(MCMC)적수궤채양산법(SWC)래대도진행화분.상비전통적수궤채양산법,SWC구유경쾌적수렴속도.재량개도상수거집상적실험결과표명,본문방법적분류성능명현우우기타현유적무감독분류법.
