厦门大学学报(自然科学版)
廈門大學學報(自然科學版)
하문대학학보(자연과학판)
JOURNAL OF XIAMEN UNIVERSITY (NATURAL SCIENCE)
2013年
2期
196-201
,共6页
场景分类%SIFT特征%视觉词典%二次聚类
場景分類%SIFT特徵%視覺詞典%二次聚類
장경분류%SIFT특정%시각사전%이차취류
在传统SIFT(scale-invariant feature transform)特征检测算子基础上,增加部分伪极值点和非极值点作为特征点,提出融合SIFT特征检测算子.该算子能够提取图像中更多特征点,并使特征点在图像上分布均匀;然后在生成视觉词典前,对每幅图像的特征单独进行聚类,使视觉单词包含更多的场景信息,并缩短视觉词典的生成时间;最后使用PLSA(probabilistic latent semantic analysis)主题生成模型实现场景分类.在标准图像集上进行的对比实验表明:该方法的分类性能有一定提高,并且对多个不同场景的表现较为均稳.
在傳統SIFT(scale-invariant feature transform)特徵檢測算子基礎上,增加部分偽極值點和非極值點作為特徵點,提齣融閤SIFT特徵檢測算子.該算子能夠提取圖像中更多特徵點,併使特徵點在圖像上分佈均勻;然後在生成視覺詞典前,對每幅圖像的特徵單獨進行聚類,使視覺單詞包含更多的場景信息,併縮短視覺詞典的生成時間;最後使用PLSA(probabilistic latent semantic analysis)主題生成模型實現場景分類.在標準圖像集上進行的對比實驗錶明:該方法的分類性能有一定提高,併且對多箇不同場景的錶現較為均穩.
재전통SIFT(scale-invariant feature transform)특정검측산자기출상,증가부분위겁치점화비겁치점작위특정점,제출융합SIFT특정검측산자.해산자능구제취도상중경다특정점,병사특정점재도상상분포균균;연후재생성시각사전전,대매폭도상적특정단독진행취류,사시각단사포함경다적장경신식,병축단시각사전적생성시간;최후사용PLSA(probabilistic latent semantic analysis)주제생성모형실현장경분류.재표준도상집상진행적대비실험표명:해방법적분류성능유일정제고,병차대다개불동장경적표현교위균은.