n-words 模型下 Hesse 稀疏表示的图像检索算法

kjdskj

摘 要：论文针对视觉词袋(BOVW)模型放弃图像空间结构的缺点，提出一种基于 Hesse 稀疏编码的图像检索算法。
5 T: o  v6 A$ @2 a9 i首先，建立 n-words 模型，获得图像局部特征表示。n-words 模型由一系列连续视觉词获得，是图像特征的一种高
级描述。该文从 n=1 到 n=5 进行试验，寻找最恰当的 n 值；其次，将二阶 Hesse 能量函数融入标准稀疏编码的目
! O: y' p1 f! x% ?& _标函数，得到 Hesse 稀疏编码公式；最后，以获得的 n-words 序列作为编码特征，利用特征符号搜索算法求解最优
9 {( J0 U) j% ^) x# r9 W' j0 H- g/ IHesse 系数，计算相似度，返回检索结果。实验在两类数据集上进行，与 BOVW 模型和已有的算法相比，新算法
极大地提高了图像检索的准确率。
关键词：图像检索；稀疏编码；视觉词袋模型；n-words 模型；Hesse 能量函数
9 R& r4 }$ i! U" J' X( K0 D( h1 引言
视觉词袋(Bag-Of-Visual-Words, BOVW)模型
作为一种有效的方法被广泛用于文本检索和信息检
索中，最初是由文献[1]在 2003 年提出的。首先利用
) M& s: x4 M# x' f) Ok-means 对提取的特征聚类，获得视觉字典，根据
6 r( G& f3 D" t- h7 M- M7 ~8 ~+ ?字典统计图像的特征直方图。该模型计算简单，对
特征空间具有平移不变性，但其直方图量化过程忽
' }8 G" h$ q, C9 K. S6 v略了图像空间位置信息和特征的语义理解，因此其
0 }( H# K. E  e2 O+ Z- e

; I% V. H3 `, d3 j& q2 F5 [
1 z7 C( @. S9 D4 P
1 R  r$ l2 a1 u
附件下载：

游客，如果您要查看本帖隐藏内容请回复

ESCAPE

谢谢分享