基于支持向量机的无序图像有序化研究

摘要：

为提高大规模图像的分类效率及准确性,解决大规模无序图像的有序化问题,该文通过学习引用自然语言及机器学习的理论知识,提出基于视觉词袋模型与支持向量机的无序图像有序化方法,该方法主要流程为:首先利用词袋模型对输入的训练图像数据集构建视觉单词向量;然后利用二分类器支持向量机对生成的视觉单词进行训练,得到训练好的分类器后;再输入待检测图像数据集进行预测;最后得到每一幅图像与之相对应的具有连通性的图像,最终实现无序图像的有序化.通过该文的方法,能够较为准确地、快速地确定大规模图像之间的相互关系.实验表明,该方法显著地提高了效率,较为准确地确定具有连通性的图像,为多视图匹配,三维重建等其他应用提供了良好的数据支持.

关键词：无序图像、有序化、视觉词袋模型、k-means、图像分类、支持向量机

所属期刊栏目：45

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家十三五重点研发计划项目2017YFB0503004

在线出版日期：2020-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：111-116