基于改進詞袋模型的圖像分類算法研究.pdf

1、近年來，隨著對Bag of visual words(BoVW)模型的不斷研究，使得其在圖像處理領域得到廣泛的應用。由于圖像在人們生活工作中發(fā)揮著不可或缺的作用，因此如何在龐大的圖像數(shù)據(jù)庫中，快速準確地查找到人們所需要的圖像信息是至關重要的。論文主要研究基于視覺詞袋模型的圖像分類方法，針對視覺詞袋模型中存在的問題做出了相應的改進。
　　論文研究的主要問題概括為以下三個方面：
　　1.提出一種基于角點和圖論的感興趣區(qū)域分割算法

2、，自動確定圖像中感興趣區(qū)域。首先對圖像進行角點提取，然后對角點構造無向圖，依據(jù)圖論的方法對角點進行篩選，確定感興趣區(qū)域。論文選取Caltech100數(shù)據(jù)集中的數(shù)據(jù)作為實驗對象，證明了算法的有效性。
　　2.在改進的詞袋模型的基礎上，引入模糊隸屬度函數(shù)對詞袋模型進行優(yōu)化。在圖像直方圖向量構建過程中，引入不同的模糊隸屬度函數(shù)，構造圖像的模糊直方圖向量表示，再結合 SVM算法，進而完成對查詢圖像的分類過程。實驗結果表明采用改進后的方法分