基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为提高大规模图像的分类效率及准确性,解决大规模无序图像的有序化问题,该文通过学习引用自然语言及机器学习的理论知识,提出基于视觉词袋模型与支持向量机的无序图像有序化方法,该方法主要流程为:首先利用词袋模型对输入的训练图像数据集构建视觉单词向量;然后利用二分类器支持向量机对生成的视觉单词进行训练,得到训练好的分类器后;再输入待检测图像数据集进行预测;最后得到每一幅图像与之相对应的具有连通性的图像,最终实现无序图像的有序化.通过该文的方法,能够较为准确地、快速地确定大规模图像之间的相互关系.实验表明,该方法显著地提高了效率,较为准确地确定具有连通性的图像,为多视图匹配,三维重建等其他应用提供了良好的数据支持.
推荐文章
基于有序分割的支持向量机多分类方法
支持向量机
欧式距离
二叉树
模拟电路
故障诊断
基于支持向量机的飞机图像识别算法
飞机图像识别
支持向量机
特征向量
神经网络
基于支持向量机的路面图像分类方法
路面分类
颜色特征
纹理特征
模糊支持向量机
基于支持向量机的图像分割
指纹识别
图像分割
特征向量
支持向量机
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于支持向量机的无序图像有序化研究
来源期刊 测绘科学 学科 地球科学
关键词 无序图像 有序化 视觉词袋模型 k-means 图像分类 支持向量机
年,卷(期) 2020,(2) 所属期刊栏目 摄影测量学与遥感
研究方向 页码范围 111-116
页数 6页 分类号 P237
字数 2993字 语种 中文
DOI 10.16251/j.cnki.1009-2307.2020.02.017
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李英成 35 628 15.0 24.0
4 钱赛男 2 2 1.0 1.0
11 朱祥娥 1 0 0.0 0.0
15 刘晓龙 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (13)
共引文献  (4)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
无序图像
有序化
视觉词袋模型
k-means
图像分类
支持向量机
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
测绘科学
月刊
1009-2307
11-4415/P
大16开
北京市海淀区北太平路16号
2-945
1976
chi
出版文献量(篇)
7258
总下载数(次)
36
论文1v1指导