嵌入标记信息的铁路扣件状态检测主题模型

• 作者: 李柏林 李爽 欧阳 罗建桥
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 图像语义分析 潜在狄利克雷分布 视觉单词 SIFT特征 单词标记 主题模型
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 图形图像处理
• 页码范围: 200-206
• 页数: 7页
• 分类号: TP391
• 字数: 5264字
• 语种: 中文

摘要

针对潜在狄利克雷分布(LDA)模型忽略特征单词明确性的问题,提出一种嵌入标记信息的主题模型WL_LDA.设计一种基于SIFT特征点约束单方向LBP图像的方法.运用该方法获取图像的纹理结构,对视觉单词进行标记.将标记信息嵌入到LDA中,利用单词和标记的二维直方图推导图像的主题分布.通过运用该主题分布训练分类器,完成铁路扣件的状态检测.实验结果表明,与LDA主题模型相比,各扣件在主题空间中的区分度增加4.5％ ～15％,与现有PCA、DF等方法相比,漏检率和误检率明显降低,具有较好的分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李柏林	西南交通大学机械工程学院	139	883	15.0	21.0
2	罗建桥	西南交通大学机械工程学院	16	97	5.0	9.0
3	欧阳	西南交通大学机械工程学院	9	5	2.0	2.0
4	李爽	西南交通大学机械工程学院	5	8	2.0	2.0