单尺度词袋模型图像分类方法

• 作者: 李正浩 潘珍 肖国强 陈凯
• 来源期刊: 计算机应用研究
• 关键词: 图像分类 单尺度SsIFT 视觉单词 词袋模型
• 年，卷（期）: 2011,（10）
• 所属期刊栏目: 图形图像技术
• 页码范围: 3986-3988
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2011.10.106

摘要

针对基于SIFT特征描述的图像分类方法需构造多尺度极值空间,运算耗时且部分极值点无直观视觉意义,提出一种新型的图像分类方法.该方法通过网格直接提取单尺度SlFT特征,并对局部特征进行单尺度词袋模型描述.由于单尺度SIFT无须构造多尺度空间且保留了更多的全局信息,从而极大地降低了计算复杂度且使分类正确率得到显著提升.实验结果表明,提出的单尺度SIFT比常规SIFT所形成的词袋模型在分类正确率上有明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李正浩	重庆大学光电技术及系统教育部重点实验室	14	197	8.0	14.0
2	肖国强	西南大学计算机与信息科学学院	41	272	9.0	14.0
3	陈凯	西南大学计算机与信息科学学院	3	34	2.0	3.0
4	潘珍	西南大学计算机与信息科学学院	1	31	1.0	1.0