基于支持向量机的无序图像有序化研究

• 作者: 刘晓龙 朱祥娥 李英成 钱赛男
• 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
• 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

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.

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