论文研究基于特征筛选的码本区分性增强方法.pdf

针对BOF模型中的码本训练问题，提出了一种改进的K-means方法。传统的K-means方法没有考虑对采集到的特征进行筛选，基于优化的方法可以看做是一种特征筛选的方法，但是实现复杂，计算量大。提出了一种基于Gist信息的特征筛选方法。根据Gist信息可以将图像粗分为背景区域和前景区域，然后对前景区域进行密集的特征采样，对背景区域进行稀疏的特征采样，最后所获得的特征都用来建立码本。实验结果表明，该方法训练的码本在Caltech101上有很好的分类效果，表明了该方法的有效性。