一种基于SIFT特征分布的K-MEANS聚类算法
基于视觉词袋的图像检索系统近年来成为研究的热点.为了解决基于视觉词袋图像检索系统中视觉单词训练的问题,提出了一一种基于SIFT特征分布的k-means聚类算法.该算法根据SIFT特征每维度上特征分布情况,结合iDistance空间分割方法,得到初始聚类中心,之后结合AKM,对特征数据进行聚类分析,对视觉单词进行训练,最终得到视觉词00.在Oxford5k数据集上进行了验证和比较.该方法存图像检索系统中的mAP相对于AKM算法的29.8％,达到了31.9％.实验结果表明,该方法优化了视觉单词训练,并最终提高了检索系统的效率.
图像检索系统 视觉单词 空间分布 聚类算法
吕慧 黄祥林 杨丽芳 刘涛
中国传媒大学计算机学院,北京,100024 国家知识产权局专利局专利审查协作北京中心,北京,100083
国内会议
济南
中文
55-55
2012-10-01（万方平台首次上网日期，不代表论文的发表时间）