一种基于词袋模型的图像分类方法

• 作者: 严斌宇 李康丽 杨晓敏 苏冰山
• 来源期刊: 太赫兹科学与电子信息学报
• 学科: 工学
• 关键词: 词袋模型 视觉词典 图像分类
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 电磁场与微波
• 页码范围: 726-730
• 页数: 5页
• 分类号: TN911.73|TP391.4
• 字数: 2615字
• 语种: 中文
• DOI: 10.11805/TKYDA201405.0726

摘要

采用词袋模型(BoW)对图像进行分类，并针对传统词袋模型存在的不足进行了改进，提出了一种特征软量化的方式。软赋值量化通过将局部显著特征量化(SIFT)为与其距离最近的若干个视觉单词，并对其进行加权，由此保存特征空间中的距离信息，从而解决硬赋值量化造成的特征空间信息损失问题。通过在Caltech 101数据库进行实验，验证了本文方法的有效性，实验结果表明，该方法能够大幅度提高图像分类的性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	严斌宇	四川大学电子信息学院	33	246	10.0	15.0
2	杨晓敏	四川大学电子信息学院	77	789	17.0	24.0
3	苏冰山	四川大学电子信息学院	3	20	2.0	3.0
4	李康丽	四川大学电子信息学院	2	20	2.0	2.0