基于K中心算法分层视觉词典树构造方法

• 作者: 张星宇 张阳 江娟娟 符茂胜 许钢
• 来源期刊: 四川理工学院学报（自然科学版）
• 学科: 工学
• 关键词: K-Means K中心算法 视觉词典树 图像分类
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 机械、电子及计算机科学
• 页码范围: 34-39
• 页数: 6页
• 分类号: TP181
• 字数: 3314字
• 语种: 中文
• DOI: 10.11863/j.suse.2017.06.07

摘要

视觉词典树是通过视觉词袋(Bag of Visual Words,BoVW)模型将一组图像形成单词表征场景.它主要通过聚类算法构造视觉词典树,为了改进K-Means在寻找聚类中心的过程中受到噪声异常维度的干扰,基于K中心算法提出了一种分层视觉词典树构造方法.该方法提出了从每次迭代后的聚类特征点中随机地选取新的中心点,可避免因噪声异常维度使计算中心点位置时有较大误差,从而可提高聚类质量,使类簇更加紧凑.在图像的分类实验中,分别使用K-Means和K中心算法对构建的视觉词典树进行性能评价,实验结果证明通过K中心算法构造的分层视觉词典树可有效提高图像分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许钢	安徽工程大学检测技术与节能装置安徽省重点实验室	49	129	6.0	9.0
2	江娟娟	安徽工程大学检测技术与节能装置安徽省重点实验室	20	66	5.0	7.0
3	张阳	安徽工程大学检测技术与节能装置安徽省重点实验室	3	7	1.0	2.0
4	张星宇	安徽工程大学检测技术与节能装置安徽省重点实验室	3	7	1.0	2.0
5	符茂胜	安徽工程大学检测技术与节能装置安徽省重点实验室	2	1	1.0	1.0