湖北省教育厅科学技术研究项目(B20121102)
- 作品数：3 被引量：7H指数：2
- 相关作者：徐望明石汉路更多>>
- 相关机构：武汉科技大学更多>>
- 发文基金：湖北省教育厅科学技术研究项目国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于聚类分析的无监督视觉词典构造方法研究
- 2016年
- 视觉词典是运用视觉词袋模型有效表示图像的基础和关键.研究了基于聚类分析的无监督视觉词典构造方法,针对K-Means和层次K-Means(HKM)聚类算法在构造视觉词典时对初始值敏感和容易陷入局部最优的问题进行改进,提出了一种基于谱聚类的视觉词典构造方法,采用对观测数据的相似性矩阵进行特征值分解的方法来实现聚类,可在任意分布的特征空间收敛到全局最优.通过图像检索实验评估了随机采样、K-Means、HKM和改进的谱聚类视觉词典的性能,验证了聚类分析尤其是改进的谱聚类方法构造视觉词典的有效性.
- 徐望明郑超兵
- 关键词：谱聚类图像检索
- 图像多角度局部特征提取及相似性匹配技术研究被引量：4
- 2013年
- 图像特征提取是计算机视觉应用的根本基础。研究了SIFT、LBP和HOG等3种信息互补的局部特征(即多角度局部特征)提取算法,研究了基于稀疏编码的图像相似性匹配算法,并以基于内容的图像检索(CBIR)为应用实例,验证了算法的有效性和高效性。
- 徐望明石汉路
- 基于改进局部线性特征编码方法的图像分类被引量：3
- 2016年
- 特征编码是利用广义视觉词袋模型获得图像稀疏表示的关键步骤。研究了两种常用的局部线性特征编码方法即LLC及NSLLC编码方法,并针对其存在的问题提出了一种利用编码系数非负性约束对其进行改进的方法——NNLLC,并将其应用于图像分类任务中。实验结果表明,该方法能有效改进局部线性特征编码性能,提高图像特征的可区分性,相比于LLC及NSLLC特征编码方法,在图像分类任务中取得了更高的平均分类准确率。
- 徐望明郑超兵李梓珩
- 关键词：图像分类
