一种基于视觉词典优化和查询扩展的图像检索方法

• 作者: 李弼程 柯圣财 赵永威 陈刚 魏晗
• 来源期刊: 自动化学报
• 关键词: 视觉词典模型 密度聚类 卡方模型 查询扩展
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 论文与报告
• 页码范围: 99-105
• 页数: 7页
• 字数: 6042字
• 语种: 中文
• DOI: 10.16383/j.aas.2018.c160041

摘要

视觉词典方法(Bag of visual words,BoVW)是当前图像检索领域的主流方法,然而,传统的视觉词典方法存在计算量大、词典区分性不强以及抗干扰能力差等问题,难以适应大数据环境.针对这些问题,本文提出了一种基于视觉词典优化和查询扩展的图像检索方法.首先,利用基于密度的聚类方法对SIFT 特征进行聚类生成视觉词典,提高视觉词典的生成效率和质量;然后,通过卡方模型分析视觉单词与图像目标的相关性,去除不包含目标信息的视觉单词,增强视觉词典的分辨能力;最后,采用基于图结构的查询扩展方法对初始检索结果进行重排序.在Oxford5K和Paris6K图像集上的实验结果表明,新方法在一定程度上提高了视觉词典的质量和语义分辨能力,性能优于当前主流方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈刚	解放军信息工程大学信息系统工程学院	9	66	4.0	8.0
2	李弼程	华侨大学计算机科学与技术学院	14	19	2.0	4.0
3	赵永威	解放军信息工程大学信息系统工程学院	4	21	3.0	4.0
4	魏晗	解放军信息工程大学信息系统工程学院	1	5	1.0	1.0