一种基于优化“词袋”模型的物体识别方法

• 作者: 李伟生 赵晓霞
• 来源期刊: 计算机应用研究
• 关键词: 物体识别 “词袋”模型 特征融合 K-means++聚类 支撑向量机
• 年，卷（期）: 2011,（9）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3288-3290
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2011.09.022

摘要

针对传统基于“词袋”模型物体识别现有方法的不足,对现特征表达、视觉词典和图像表示方法进行优化,以提高物体识别正确率.采用HUE直方图与SIFT特征描述符分别描述兴趣点周围的颜色和形状特征,实现“词袋”模型下两种特征的特征级和图像级融合,引入K-means++聚类算法生成视觉词典,并利用软权重思想将特征向量映射到视觉单词形成图像直方图.实验结果表明,所述方法会产生较高的物体识别正确率,且识别结果不受两种特征融合权重的影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李伟生	重庆邮电大学计算机科学与技术研究所	61	404	12.0	16.0
2	赵晓霞	重庆邮电大学计算机科学与技术研究所	9	15	2.0	3.0