增強量化的Bag-of-Features模型及其應用.pdf

1、Bag-of-Features(BoF)模型在多媒體和計算機視覺領域的很多問題中都有著廣泛的應用。BoF的核心思想是將圖像局部特征描述符量化到視覺單詞，使得一張圖被表示成視覺單詞的直方圖。通常，我們首先利用聚類算法將局部特征描述符聚合成一些類簇。在量化過程中，局部特征描述符參考類簇中心被映射到一個或多個視覺單詞。在這篇文章中，簡單的使用類簇中心來表示視覺單詞可能會得到不理想得映射。更理想的方法應該是在量化時進一步捕捉類簇的大小來表示視覺

2、單詞。為了達到這個目的，我們介紹了一種簡單而有效的量化算法，稱為有效半徑編碼(ERC)。在我們的方法中，類簇的有效半徑和中心共同代表視覺單詞。為了有效的估計有效半徑，我們通過計算許多支撐類簇的錨點來捕捉類簇大小。我們還利用有效半徑拓展了傳統(tǒng)的k-means方法來提升視覺單詞的生成過程。此外，我們還提出了一種新的基于有效半徑的軟分配編碼方法(ERSC)，在保證編碼效果的前提下大大提高了編碼的效率。實驗結果證明了我們提出的算法提高了Bag-