圖像搜索結(jié)果的重疊層次聚類與代表點展現(xiàn)-資料下載頁
2025-07-23 10:49本頁面
【正文】 聚類方法。通過使用基于視覺的頁面分割算法，網(wǎng)頁被劃分成塊，圖像的紋理和鏈接信息可以從包含該圖像的塊中提取。通過使用塊層次的鏈接分析技術(shù)，可以構(gòu)建以圖像為節(jié)點的圖。然后，應(yīng)用譜技術(shù)發(fā)現(xiàn)圖像euclidean嵌入，該嵌入反映了圖的結(jié)構(gòu)。對于每幅圖像，該方法中給出3種表示，即視覺特征、紋理特征、基于表示的圖。然后，使用譜聚類技術(shù)，將搜索結(jié)果聚類為不同語義的簇。文獻(xiàn)［3］借鑒近鄰傳播聚類的思想，設(shè)計了一種稀疏、快速的近鄰傳播算法，可以發(fā)現(xiàn)圖像搜素結(jié)果的代表點，從而更好地展示搜索結(jié)果。在真實數(shù)據(jù)集上的實驗結(jié)果證明了該方法在視覺表達(dá)和定量分析上的有效性。上述方法多是采用經(jīng)典的聚類算法，雖然可以生成有劃分的結(jié)果，但如何呈現(xiàn)給用戶依然是一個開放性問題。另外，聚類后，每個圖像只能劃分到一個簇，即硬劃分。事實上，一個圖像可能包含多種語義，即可以同時歸屬于多個簇。2 基于鏈接聚類的圖像多重劃分針對圖像聚類中面臨的高維、準(zhǔn)確度低、部分重疊等問題，提出了一種高效的基于鏈接層次聚類的多標(biāo)記圖像聚類。該方法稱為基于鏈接聚類的圖像多重劃分( based image partition，limp)。描述如下。第1步考慮到像素間的空間相關(guān)信息，計算圖像間的圖像距離。第2步計算圖像間的相似度，設(shè)定閾值，若兩個圖像間的相似度大于閾值，則認(rèn)為兩者之間存在邊，邊的權(quán)重為相似度，從而構(gòu)造出一個加權(quán)無向圖。第3步應(yīng)用基于邊相似度的鏈接層次聚類對加權(quán)無向圖的邊集進(jìn)行聚類，得到一個基于邊集的簇劃分。因為一個節(jié)點可歸屬多個邊，從而可以歸屬于多個簇。 第4步根據(jù)簇內(nèi)節(jié)點的權(quán)重和進(jìn)行排序，找到權(quán)重和最大的節(jié)點作為該簇的代表點。
數(shù)學(xué)相關(guān)推薦
鄂ICP備17016276號-1