一种结合显著性检测与词袋模型的目标识别方法

• 作者: 李伟生 陈曦
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 词袋模型 显著性检测 密度峰值聚类 目标识别
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 图形与图像
• 页码范围: 1706-1713
• 页数: 8页
• 分类号: TP391.4
• 字数: 4013字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2017.09.017

摘要

针对词袋模型易受到无关的背景视觉噪音干扰的问题,提出了一种结合显著性检测与词袋模型的目标识别方法.首先,联合基于图论的视觉显著性算法与一种全分辨率视觉显著性算法,自适应地从原始图像中获取感兴趣区域.两种视觉显著性算法的联合可以提高获取的前景目标的完整性.然后,使用尺度不变特征变换描述子从感兴趣区域中提取特征向量,并通过密度峰值聚类算法对特征向量进行聚类,生成视觉字典直方图.最后,利用支持向量机对目标进行识别.在PASCAL VOC 2007和MSRC-21数据库上的实验结果表明,该方法相比同类方法可以有效地提高目标识别性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李伟生	重庆邮电大学计算智能重庆市重点实验室	61	404	12.0	16.0
2	陈曦	重庆邮电大学计算智能重庆市重点实验室	8	41	5.0	6.0