基于混合特征的垃圾图像过滤方法-论文.pdf

《基于混合特征的垃圾图像过滤方法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、西北大学学报(自然科学版)2014年4月，第44卷第2期，Apr．，2014，Vo1．44，No．2JournalofNo~hwestUniversity(NaturalScienceEdition：基于混合特征的垃圾图像过滤方法卜起荣，彭进业，贺小伟，温超，李展(西北大学信息科学与技术学院，陕西西安710069)摘要：构建了一种多核加权图像相似度聚类的方法来过滤垃圾图像，首先根据图像的视觉特征利用基于核的KNN方法将图像聚到多个类别，接着从每个类别的图像中抽取一些典型图像，并用hyperbolic显示技术显示到屏幕上，当用户选择某个样本图像后，系统将保留该

2、类别的所有图像而丢弃其他类别的图像从而实现图像的过滤。实验表明该方法有效地改善了检索的交互性，降低了图像的分类错误率，从而有效地过滤检索到的垃圾图像，提高检索的效率。关键词：图像过滤；图像检索；特征提取；核函数中图分类号：TP391。4文献标识码：A文章编号：1000．274X(2014)02-0216-05ThejunkimagefilteringbasedonmixturefeatureBOQi—rong，PENGJin—ye，HEXiao—wei，WENChao，LIZhan(InstituteofInformationScienceandTechno

3、lo~，NonhwestUniversity，Xiaii710069，China)Abstract：TextbasedimagesearchtoolssuchasGoogleandBaidumaycauselotsofjunkimages，becauseonlytextneartheimageissearched．Inthisresearchacontentbasedjunkimagefiltersystemwasconstructedtoresolvethisproblem．KernelbasedKNNwasusedtoclustertheimagesse

4、archedbyGoogleintomultipleclassesbytheirvisionfeature，thenhyperbolictechniquewasappliedtodisplaytheimagesampledfromtheclusteredimages，whenauserselecttheimagehewanted，savetheimageswhichclassequalstotheimagese—lectedandfilteroutothers．Keywords：imagefiltering；imageretrieval；featureext

5、ract；kernelfunction互联网每天都产生数以亿计的图像，这就为要的图像。用户很快找到自己想要的图像带来了很大的困为了过滤掉这些垃圾图像，很多研究者做出难，为解决这一问题，谷歌和百度等开发了在线的了许多工作。文献[1]把搜索到的图像按照视觉图像搜索引擎，当用户输入关键字后，系统会返回内容排成不同的列，每列图像的视觉内容相近。相关的图像，从而为用户带来了极大的便利。但这种方法好处是用户可以顺着列寻找图像，缺点是，这些搜索引擎只分析图片旁边的文字，如果这是用户有可能需要翻很多页才能找到自己想要的些文字包含用户输入的关键字，就把该图片反馈图像。微软研究

6、团队设计了一种图像分类方法方给用户，这就会产生大量的与用户输入关键字不便用户寻找图像J，但模型太过复杂，不能在线符的图像(垃圾图像)，从而影响用户寻找自己想使用。收稿日期：2013-03—15基金项目：陕西省自然科学基础研究计划基金资助项目(2011JQ8029)；高等学校博士学科点专项科研基金资助项目(新教师)(20116101120018)作者简介：卜起荣，男，陕西神木人，从事图像处理与模式识别技术研究。第2期卜起荣等：基于混合特征的垃圾图像过滤方法={4‘；二。i，萎委，。<8c的颜色内容，图像的直方图是一个离散的方程+，y。)；0：rt,'f，m是尺

7、度因子；是方向数；，、，是s=∑。(7)g(=1‘exp卜(萎+)】‘i=0其中：p，q是两个颜色直方图；s∈(0，⋯，1)，Sexp(i2,rro)x)。(3)越接近1，两幅图像的颜色相似度越大。其中：，Y是像素的坐标；是正弦波频率；or，本文使用Euclidean距离来衡量两幅图像的是在和Y坐标上的调制带宽，其傅里叶变换为纹理特征的相似度G唧f．[+寿])。(4，s2=1一norm(d(p·q))。(8)其中a(p·q)表示Euclidean距离，norm(d(p·其中：“11。z盯￡q))表示对这个距离进行归一化操作。我们可以通过对g(，Y)进行尺度和

8、方向的两个图像的总的相似度为变换获得一个Gabor滤