基于频繁项集挖掘的图像分类技术

摘要：

为了提高局部特征的判别性能,本文提出了一种自动寻找某类对象的常见空间配置的方法。这种方法将局部特征的空间邻域关系编码表示,采用频繁项集挖掘技术,能在大量局部特征中发现频繁出现的空间配置。这些窄间配置可作为词语,加入到特征包分类模型,实现图像分类。用PASCAL2007视觉竞赛部分数据集作为测试数据集,分类测试结果表明,这种空间配置挖掘方法能快速处理大量视觉数据,得到的空间配置比单个局部特征具有更强的判别性,并能较好实现对象分类。

关键词： 频繁项集 图像分类 图像识别 对象识别

作者: 聂青 战守义 苏京霞

作者单位: 北京理工大学信息科学技术学院,北京 100081 北京理工大学计算机学院,北京 100081

会议类型: 国内会议

会议名称: 2008年全国模式识别学术会议

会议地点: 北京

会议语种:中文

页码: 144-148

在线出版日期: 2008-10-22（万方平台首次上网日期，不代表论文的发表时间）