本文選題：詞袋模型 + 編碼算法　； 參考：《電子學報》2017年08期

【摘要】：為了解決經(jīng)典局部特征編碼方法會產(chǎn)生相似局部特征之間編碼系數(shù)不一致的問題,本文提出一種圖正則化局部特征編碼算法.該算法在對初始編碼矢量所定義的能量化函數(shù)中引入正則化項,保證空間上相鄰外觀上相似的局部特征之間的編碼矢量盡可能一致.MSRcv2、Caltech101、Scene 15以及Indoor 67四個公開數(shù)據(jù)集上的實驗結果表明本文方法能夠提高硬分配、軟分配、稀疏編碼、局部約束線性編碼以及局部軟分配五種經(jīng)典編碼方法的性能,并且基于本文編碼算法的圖像分類方法在上述四個公開數(shù)據(jù)集上的平均分類正確率分別達到了91.13%、76.02%、83.76%、44.78%.
[Abstract]:In order to solve the problem that the coding coefficients between similar local features are inconsistent in classical local feature coding, a graph regularization local feature coding algorithm is proposed in this paper. The regularization term is introduced into the energy function defined by the initial encoding vector. The experimental results on four open data sets, I. e. MSRcv2Caltech 101 scene 15 and Indoor 67, show that the proposed method can improve hard allocation, soft allocation and sparse coding. The performance of the five classical coding methods of local constrained linear coding and local soft assignment is presented. The average classification accuracy of the image classification method based on the proposed coding algorithm on the above four open data sets is 91.13 and 76.02 respectively.
【作者單位】： 南通大學電氣工程學院;南京理工大學計算機科學與工程學院;南通大學計算機科學與技術學院;
【基金】：江蘇省普通高校自然科學研究面上項目(No.16KJB520037) 國家自然科學基金(No.61602150) 江蘇省自然科學基金(No.BK20151273) 南通市科技項目前沿與關鍵技術(No.MS22015100) 江蘇省博士后科研資助計劃項目(No.1601013B)
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 朱峗,吳煒;圖像分類中變形決策樹的應用[J];計算機工程與應用;2004年21期

2 陳戲墨,徐紅兵,李志銘,謝鉉洋,李曦,李揚彬;數(shù)據(jù)挖掘在醫(yī)學圖像分類中的應用[J];現(xiàn)代計算機(專業(yè)版);2005年01期

3 冀翠萍;孟祥增;;基于內容的圖像分類體系[J];電腦知識與技術(學術交流);2007年07期

4 楊杰;陳曉云;;圖像分類方法比較研究[J];微計算機應用;2007年06期

5 楊文潮;姜志堅;;圖像分類技術研究[J];福建電腦;2008年08期

6 葛寒娟;邱桃榮;王劍;盧強;李北;劉韜;聶斌;;一種基于相容信息粒原理的圖像分類方法[J];廣西師范大學學報(自然科學版);2008年03期

7 王軍;王員云;;粒計算及其在圖像分類中的應用研究[J];計算機工程與科學;2009年03期

8 吳軍;王士同;;基于正負模糊規(guī)則的相結合的圖像分類[J];計算機應用;2011年01期

9 吳軍;王士同;趙鑫;;正負模糊規(guī)則系統(tǒng)、極限學習機與圖像分類[J];中國圖象圖形學報;2011年08期

10 郝永寬;王威;聶維同;王德強;;圖像分類與聚類分析[J];數(shù)字技術與應用;2011年12期

相關會議論文 前9條

1 鄭海紅;曾平;;一種基于圖像分類的逆半調算法[A];’2004計算機應用技術交流會議論文集[C];2004年

2 文振q;歐陽杰;朱為總;;基于語義特征與支持向量機的圖像分類[A];中國電子學會第十六屆信息論學術年會論文集[C];2009年

3 陳思坤;吳洪;;基于圖分塊并利用空間金字塔的醫(yī)學圖像分類[A];第六屆和諧人機環(huán)境聯(lián)合學術會議（HHME2010)、第19屆全國多媒體學術會議（NCMT2010）、第6屆全國人機交互學術會議（CHCI2010）、第5屆全國普適計算學術會議（PCC2010）論文集[C];2010年

4 張淑雅;趙曉宇;趙一鳴;李均利;;基于SVM的圖像分類[A];第十三屆全國圖象圖形學學術會議論文集[C];2006年

5 朱松豪;胡娟娟;孫偉;;基于非歐空間高階統(tǒng)計的圖像分類方法[A];第25屆中國控制與決策會議論文集[C];2013年

6 潘海為;李建中;張煒;;基于像素聚類的腦部醫(yī)學圖像分類[A];第二十屆全國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2003年

7 吳霜;張一飛;修非;王大玲;鮑玉斌;于戈;;基于興趣點特征提取的醫(yī)學圖像分類[A];第二十四屆中國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2007年

8 武進;尹愷;王長明;張家才;;SVDM在蔬菜病害圖像分類中的應用[A];圖像圖形技術與應用進展——第三屆圖像圖形技術與應用學術會議論文集[C];2008年

9 劉杰;杜軍平;;基于Relief-F特征加權支持向量機的語義圖像分類[A];2011年中國智能自動化學術會議論文集（第一分冊）[C];2011年

相關博士學位論文 前10條

1 李昌英(Ri ChangYong);基于上下文信息的語義圖像分類研究[D];浙江大學;2014年

2 王曉東;基于稀疏特征學習的復雜圖像分類[D];西安電子科技大學;2014年

3 顧迎節(jié);面向圖像分類的主動學習算法研究[D];南京理工大學;2015年

4 孟丹;基于深度學習的圖像分類方法研究[D];華東師范大學;2017年

5 趙鑫;圖像分類中的判別性增強研究[D];中國科學技術大學;2013年

6 楊冰;基于藝術風格的繪畫圖像分類研究[D];浙江大學;2013年

7 丁建睿;基于多示例學習的淺表器官超聲圖像分類方法研究[D];哈爾濱工業(yè)大學;2012年

8 賈世杰;基于內容的商品圖像分類方法研究[D];大連理工大學;2013年

9 李曉旭;基于概率主題模型的圖像分類和標注的研究[D];北京郵電大學;2012年

10 韓東峰;圖像分類識別中特征及模型的若干問題研究[D];吉林大學;2008年

相關碩士學位論文 前10條

1 張明靜;基于改進遺傳算法的分塊綜合特征加權圖像分類研究[D];華南理工大學;2015年

2 李函怡;融合主動學習的半監(jiān)督技術在圖像分類中的應用研究[D];西南大學;2015年

3 王亞鳳;基于多特征的主動學習方法在圖像分類中的應用研究[D];河北工程大學;2015年

4 陳榮安;基于改進的Bag-of-Features模型的圖像分類研究[D];蘭州大學;2015年

5 鐘畏丹;基于HSV和紋理特征的圖像分類[D];華中師范大學;2015年

6 焦陽;基于主動學習的多標簽圖像分類方法研究[D];蘇州大學;2015年

7 王朔琛;基于半監(jiān)督支持向量機的圖像分類方法研究[D];陜西師范大學;2015年

8 楊東坡;基于深度學習的商品圖像分類[D];大連交通大學;2015年

9 董振宇;基于詞袋模型的圖像分類研究[D];寧波大學;2015年

10 祝軍;基于深度學習模型的圖像分類研究[D];寧波大學;2015年

，

本文編號：1793844