Adaboost和随机图划分的无监督图像分类

摘要：

针对当前大多数无监督图像分类方法不能对每个图像类进行特征选择和自动确定图像类别的数量问题,提出一种基于Adaboost和随机图划分的无监督图像分类方法.该方法包括两个部分:1)将图像分类问题看做是一个自动的随机图划分问题,其中图的每一个顶点代表一幅图像,通过划分形成的子图代表了图像类.再采用Adaboost算法对每一个形成的图像类进行特征选择,从而得到每类图像的表达模型.2)采用一种基于蒙特卡洛马尔可夫链(MCMC)的随机采样算法(SWC)来对图进行划分.相比传统的随机采样算法,SWC具有更快的收敛速度.在两个图像数据集上的实验结果表明,本文方法的分类性能明显优于其他现有的无监督分类法.

关键词：无监督图像分类、Adaboost、图划分、Swendsen-Wang cuts

所属期刊栏目：17

分类号：TN911

在线出版日期：2012-12-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1245-1251