多稀疏表示分类器决策融合修正距离的图像检索

摘要：

针对当前许多图像检索方法的检索精度不理想的问题,本文为增强图像特征的表达能力,通过统计图像的颜色矩、多尺度分块局部二值模式、灰度共生矩阵、尺度不变特征变换以及空间位置信息,提取5类能从不同角度表征图像本质特性的特征,并根据图像库中各训练图像的类别信息,以此5类特征构造5个稀疏表示分类器,同时引入决策融合思想,根据每个子分类器的分类性能,通过一个自适应迭代运算过程确定各子分类器的融合权值,以刻画不同类别特征的图像表达能力,并据此构造距离修正因子对不同特征所描述的图像间距离进行修正,从而得到综合各类特征表达能力的图像间的修正距离,实现图像的相似性评价,获得检索结果.实验结果表明,基于Corel-1000图像库,本文提出的方法平均查准率为82.1％,比现有的方法平均提升10个百分点,而且鲁棒性更强.

关键词：稀疏表示分类、决策融合、距离修正因子、图像检索

所属期刊栏目：29

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;浙江省自然科学基金;宁波市自然科学基金;宁波市自然科学基金

在线出版日期：2018-10-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1003-1011