基于最大频繁项集的图像分类技术

• 作者: 朱书眉 王诚
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 图像分类 视觉单词 最大频繁项集
• 年，卷（期）: 2016,（23）
• 所属期刊栏目: 图形图像处理
• 页码范围: 181-184,219
• 页数: 5页
• 分类号: TP391
• 字数: 4165字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1502-0128

摘要

针对传统视觉词袋（Bag Of Visual Words，BOVW）模型缺少空间信息，且不能充分表达图像所属类别共有特征的问题，提出一种基于最大频繁项集的视觉词袋表示方法。该方法在排除孤立特征点的基础上，引入环形区域划分的思想，嵌入更多的空间信息。通过对不同环的视觉单词进行频繁项挖掘得到新的视觉单词表示，能有效提高同类别图像视觉单词的相似程度，而使不同类别视觉单词的差异更为显著。通过在图像数据集COREL及Caltech-256上进行分类实验，验证了该方法的有效性和可行性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王诚	南京邮电大学通信与信息工程学院	34	123	6.0	9.0
2	朱书眉	南京邮电大学通信与信息工程学院	4	5	1.0	2.0