基于特征点组合聚类的图像检索新方法-论文.pdf

《基于特征点组合聚类的图像检索新方法-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、第54卷第4期大连理工大学学报VO1．54，NO．42014年7月JournalofDalianUniversityofTechnologyJuly2014文苹编号：1000—8608(2014)04‘0477—05基于特征点组合聚类的图像检索新方法齐恒，李克秋，中彦明(大连理工大学计算机科学与技术学院，辽宁大连116024)摘要：由于特征点能对图像局部特征进行合理描述，有效使用特征点实现基于内容的图像检索成为当前计算机视觉领域中的热点问题．针对该问题，提出一种基于特征点组合聚类的图像检索新方法．该方法包括特征点组合聚类算法，以及基于该算法的局部颜色直方

2、图构建策略．与现有的基于特征点和局部颜色直方图的检索方法相比，该方法能有效解决当前方法对特征点位置信息及特征点中心过度依赖的问题．从公共图像库上的实验结果可以看出，该方法与现有方法相比具有较高的检索精度．关键词：基于内容的图像检索；特征点；组合聚类；局部颜色直方图中图分类号：TP391文献标识码：Adoi：IO．7511／dllgxb2014O4O160引言环形方法和凸包方法的不同在于，它们采用不同的规则来对特征点进行分组．环形方法根据基于内容的图像检索一直是计算机视觉领域各特征点与特征点中心的距离，将它们划分到一的研究热点[1]，其实现主要是通过抽取图

3、像特征系列同心圆环中．凸包方法根据特征点的位置信来表示图像内容，通过计算特征问的相似性来表息递归求出它们的凸包，再根据各凸包的离心距示两幅图像是否相似，从而找出与检索条件最为大小将凸包分配到一系列桶中．虽然这两种方法相似的图像．具有一定的有效性，但它们仍存在以下问题：常用的图像特征可分为全局特征与局部特(1)两种方法都仅仅依赖于特征点的空间信征[3]．近年来的研究表明，局部特征往往更加适用息来对特征点进行分组．于描述图像内容[4]．在众多局部特征中，特征点作为(2)在对特征点进行分组时，都以特征点中心图像视觉信息较为突出的部分，能更为有效地表示为基准．如

4、果特征点中心选择不当，游离特征点的图像的局部特征，因此被广泛应用于图像检索中邸]．存在将影响特征点在不同集合中的分布，从而使在特征点的基础上，局部颜色直方图的概念得相似图像间的局部颜色直方图具有很大差异．被提出．它克服了传统颜色直方图只对像素点颜为解决上述两个问题，本文提出基于特征点色取值进行统计而忽略图像中不同颜色像素点空组合聚类的图像检索新方法．该方法通过聚类的间分布的问题．当前最具代表性的两种基于局部思想[8将特征点进行分组，不需要以特征点中心颜色直方图的检索方法分别是基于特征点空间分布的环形颜色直方图方法(以下简称环形方法)[6]作为基准．并且方

5、法中提出特征点组合聚类的算和基于特征点空间分布的凸包颜色直方图方法法，以实现同时基于特征点颜色信息及空间信息(以下简称凸包方法)[7]．这两种方法的主要思想来进行聚类分组，由此得到更为合理有效的特征都是将图像中的特征点进行分组，得到一系列特点分组结果．征点集合；再针对每个集合构建一个局部颜色直1基于特征点组合聚类的检索方法方图，通过计算局部颜色直方图之间的距离来表示图像间相似性．基于特征点组合聚类的检索方法包含两个步收稿日期：2013-12—10；修回日期：2014—05—28．基金项目：国家自然科学基金资助项目(61173160，61173162。61

6、300189)；中国博士后科学基金资助项目(2013M530916)；中央高校基本科研业务费专项资金资助项目(DUT12RC(3)89，DUT13JS04)．作者筒介：齐恒(1981一)，男，博士，在站博士后，E—mail：qhclement@gmail．corn；李克秋(1971一)，男，博士，教授，博士生导师，E-mail：keqiu@dlut．edu．ca．大连理工大学学报第54卷骤：(1)使用组合聚类算法将特征点进行分组；(2)特征向量来构成分簇对象，并且使用了加权距离统计每个分组中特征点的颜色值，构建一个直方函数．若聚类对象a和第类中心c分别为

7、a一图，该直方图被视为图像的局部颜色直方图．('，'，⋯'')和c，=('，；⋯)，则二在(1)中，组合聚类算法属于核心内容，具体者的加权距离函数为算法描述如下．(n，)一∑。Il一ll(1)输入：聚类对象集合A一(口。，a，⋯，a}，其口一1中每个对象a由m个特征向量表示，a一其中∞。表示权重，∑叫：1；lI一l表示两个('，⋯'，)；分簇数目k(五<，z)；最大迭代口一l次数．特征向量的欧式距离．在加权距离函数中通过调整权重可以改变各特征向量在计算距离时的重要输出：k个簇中心c，c2，⋯，c．流程：性．(1)给出k个初始的簇中心与表示算法迭代若在对特

8、征点进行聚类时，既考虑位置信息次数的变量t：又考虑颜色特征，则每个特征点用两个特