基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
目的 稀疏编码是当前广泛使用的一种图像表示方法,针对稀疏编码及其改进算法计算过程复杂、费时等问题,提出一种哈希编码结合空间金字塔的图像分类算法.方法 首先,提取图像的局部特征点,构成局部特征点描述集.其次,学习自编码哈希函数,将局部特征点表示为二进制哈希编码.然后,在二进制哈希编码的基础上进行K均值聚类生成二进制视觉词典.最后,结合空间金字塔模型,将图像表示为空间金字塔直方图向量,并应用于图像分类.结果 在常用的Caltech-101和Scene-15数据集上进行实验验证,并和目前与稀疏编码相关的算法进行实验对比.与稀疏编码相关的算法相比,本文算法词典学习时间缩短了50%,在线编码速度提高了1.3~12.4倍,分类正确率提高了1%~5%.结论 提出了一种哈希编码结合空间金字塔的图像分类算法,利用哈希编码代替稀疏编码对局部特征点进行编码,并结合空间金字塔模型用于图像分类.实验结果表明,本文算法词典学习时间更短、编码速度更快,适用于在线词典学习和应用.
推荐文章
层次聚类结合空间金字塔的图像分类
层次聚类
信息熵
空间金字塔模型
图像分类
K-means聚类
结合金字塔和局部二值模式的遥感图像分类
遥感图像
局部二值模式
空间金字塔
特征融合
支持向量机
图像分类
利用金字塔方法增强DR图像
对比度增强算法
多尺度图象处理
高斯金字塔
拉普拉斯金字塔
基于方向可控金字塔的图像融合算法
图像融合
方向可控金字塔
融合规则
客观评价
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 哈希编码结合空间金字塔的图像分类
来源期刊 中国图象图形学报 学科 工学
关键词 哈希编码 空间金字塔匹配模型 稀疏编码 二进制K均值聚类 图像分类
年,卷(期) 2016,(9) 所属期刊栏目 图像分析和识别
研究方向 页码范围 1138-1146
页数 9页 分类号 TP391
字数 8470字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 彭天强 河南工程学院计算机学院 14 115 4.0 10.0
2 栗芳 3 55 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (35)
共引文献  (33)
参考文献  (7)
节点文献
引证文献  (13)
同被引文献  (21)
二级引证文献  (12)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(7)
  • 参考文献(2)
  • 二级参考文献(5)
2013(8)
  • 参考文献(3)
  • 二级参考文献(5)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(4)
  • 引证文献(4)
  • 二级引证文献(0)
2018(7)
  • 引证文献(4)
  • 二级引证文献(3)
2019(10)
  • 引证文献(4)
  • 二级引证文献(6)
2020(4)
  • 引证文献(1)
  • 二级引证文献(3)
研究主题发展历程
节点文献
哈希编码
空间金字塔匹配模型
稀疏编码
二进制K均值聚类
图像分类
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国图象图形学报
月刊
1006-8961
11-3758/TB
大16开
北京9718信箱
82-831
1996
chi
出版文献量(篇)
5906
总下载数(次)
17
总被引数(次)
131816
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导