基于低尺度词袋模型的图像快速分类方法

• 作者: 丁熠 于跃 秦志光 肖哲 蓝天
• 来源期刊: 电子科技大学学报
• 学科: 工学
• 关键词: 词袋模型 计算机视觉 图像分类 尺度不变特征转换 小波变换
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 计算机工程与应用
• 页码范围: 997-1001
• 页数: 5页
• 分类号: TP391.4
• 字数: 2956字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0548.2016.06.021

摘要

提出一种新的框架用于改进传统词袋模型效率较低的问题。该方法建立在通过小波变换获取的低尺度图像表示上，利用在低尺度图像上提取单尺度的SIFT特征，建立低尺度视觉词典。由于大幅度减少了图像初始特征维数，该方法可以快速建立视觉词典，并且有效地降低后续图像分类所花费的时间。通过对Caltech101数据集全部8677张图像的分类测试显示，该方法可以在保证分类性能的同时，有效地提升基于传统词袋模型的图像分类效率。实验结果表明，该方法可以全面提升金字塔匹配的词袋模型分类性能和分类效率，普遍用于传统词袋模型及其衍生方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦志光	电子科技大学信息与软件工程学院	262	3157	26.0	46.0
2	蓝天	电子科技大学信息与软件工程学院	15	67	5.0	7.0
3	肖哲	电子科技大学信息与软件工程学院	2	1	1.0	1.0
4	丁熠	电子科技大学信息与软件工程学院	10	46	3.0	6.0
5	于跃	电子科技大学信息与软件工程学院	2	1	1.0	1.0