基于ISODATA聚类的词汇树图像检索算法
词汇树图像检索是一种基于视觉关键词结构的高效的图像检索算法.该算法在特征提取和聚类过程中分别采用SIFT算法和K-means算法.然而,K-means算法对初值比较依赖,当聚类个数未知时,聚类易出现强分现象,且SIFT算法易造成数据溢出和增加检索时间.对此,给出了两种新的特征提取方法,分别称为SIFT CRONE特征和Color HU特征,同时引入了ISODATA算法对特征进行聚类.SIFT CRONE特征提取方法基于SIFT算法确定图像的关键点,采用CRONE算子计算关键点周围像素的梯度,对关键点进行向量描述,其优点是既保持了SIFT特征的优点又减少了检索时间.Color HU特征是利用SIFT确定关键点和有效区域,对关键点的邻域提取该感兴趣区域的颜色直方图和HU矩特征,降低特征维数,缩短检索时间.在使用ISODATA算法时,设计了一种自适应参数确定算法.实验结果表明,ISODATA算法克服了K-means对初值的依赖,当聚类个数未知时有较好的聚类效果;两种新特征有各自的特点,均可以缩短图像的检索时间,提高检索效率.
词汇树、图像检索、K-means、ISODATA、CRONE算子、SIFT特征
41
TP391(计算技术、计算机技术)
国家重大研究计划培育项目91120014;陕西省教育厅科研计划项目12JK0534
2015-01-08（万方平台首次上网日期，不代表论文的发表时间）
共5页
123-127
