摘要：为避免常规构建词袋模型在选取梯度方向离散精度时存在的盲目性,以及解决不恰当离散精度构造出的词袋模型分类率不高的问题,研究在词袋模型中提取图像特征时梯度方向离散精度是否存在明显的阈值,使选取该阈值时能构造出最佳的词袋模型。基于面向稠密特征提取可快速计算的局部图像特征描述,选择不同的梯度方向离散精度分别进行大量实验,实验结果表明,存在一个明显、统一的阈值24,选择该阈值构造的词袋模型能够得到最高正确分类率。

摘要：词袋模型的复杂度高,且区分能力较弱,为解决这一问题,在经典词袋模型的基础上,提出一种有监督的词袋模型。在训练过程中对训练样本类别进行标记,在此基础上构建直方图总体能量目标函数,依据能量最小准则学习码本。通过文本检索和图像检索两组多媒体信息检索实验进行对比,对比结果表明,有监督词袋模型比经典词袋模型的检索精确度高、检索耗时少。

摘要：针对现有图像检索方法召回率低的问题,提出一种结合组尺度不变特征变换(SIFT)特征和多元词袋模型的图像检索方法。采用间隔采样方式抽取图像中的关键点,提取SIFT特征;依据图像的空间相关性,将各关键点及8邻接关键点的SIFT特征进行组合,构建组SIFT特征;针对组SIFT特征,在经典词袋模型的基础上,加入Dirichlet函数和组混合编码,构建多元词袋模型,提取图像特征向量;采用卡方距离度量和非对称距离计算方法快速计算特征向量之间的相似度,得到图像检索结果。仿真结果表明,该方法的召回率指标明显高于对比方法,查准率指标也有提高。

摘要：提出了一种基于词袋模型配合滑动窗口提取像素点特征的脑肿瘤MR图像分割方法。通过预处理去除非脑组织并进行灰度值归一化,采集图像的图像块特征并聚类生成视觉词典;在生成视觉词典的过程中,通过分别生成病灶区域词典和背景区域词典进而组合得到最终的联合视觉词典;利用联合词典配合滑动窗口对像素点进行表达并将其作为像素点的特征,利用逻辑回归分类器进行训练和分类从而完成对脑肿瘤的分割。在160幅脑肿瘤MR图像组成的数据集上进行实验,实验结果表明分割准确率达到90.42%。

摘要：对相似关键帧匹配中存在的低效率及无法很好反映语义特征的问题进行了分析,提出了基于词袋模型的关键帧描述方法,并进一步考虑了视觉词汇表的生成、降维以及词项权重赋予等关键问题,最后利用词袋特征对相似关键帧进行匹配。实验结果表明,提出的基于改进词袋模型的相似关键帧匹配方法不仅能在一定程度上提高匹配准确率,并且能够较大幅度地提高相似关键帧匹配的速度。

摘要：词袋模型是计算机识别领域中有效且稳定的视觉物体识别方法。针对家居环境下的物体识别为特定场景和有限类别条件下的物体识别的特点,提出了一种基于词袋模型的贝叶斯分类方法,实现家居环境下的物体识别。借助语音合成技术,将识别结果转化为语音并输出,最终帮助盲人实现视觉到听觉的感知替代。以家居环境4类典型物体识别为例,设计实验结果证明了方案的有效性。

摘要：目的解决导向辊生产车间物料输送AGV的激光传感器存在的信息复杂度低、重复率高,且在不断迭代重采样过程中极易丢失正确位姿附近粒子造成定位失败等问题。方法提出一种基于视觉的自适应蒙特卡洛定位算法。建立相机观测模型和自动导引运输车本体运动模型,对观测模型进行去畸变处理,完成相机标定;设计基于视觉的自适应蒙特卡洛算法,获取特征信息,并用词袋模型进行分类,使用激光雷达构建2D栅格地图,采用特征点匹配估计位姿,实现AGV自我精确定位。结果仿真实验结果表明,本文所提算法与传统自适应蒙特卡洛定位(Adaptive Monte Carlo Localization,AMCL)算法相比,可使机器人更加快速地收敛到精度较高的位姿,具有更好的定位性能。结论基于视觉的AMCL算法设计,实现了导向辊生产车间机器人的高精度定位,优化了作业流程,提高了生产线系统智能化运行水平,可为其他场景定位应用提供参考。

摘要：影视评分能直接反映影视作品的上映效果或收益情况,然而目前影视特征的提取方法单一,信息挖掘不充分。针对这一问题,提出一种基于混合特征表示向量的深度神经网络影视评分预测模型。根据影视作品的属性特征通过词袋模型、特征拆分、TF-IDF文本矢量化方法生成影视混合特征表示向量,并构建基于深度神经网络的影视评分预测模型。实验结果表明:测试集MAE、MSE、SmoothL1 Loss指标值在模型100轮迭代训练后收敛,MAE为0.82,MSE为1.07,SmoothL1Loss为0.45,验证了所提方法对影视作品的评分预测有很好效果,能有效评估影视作品上映后的价值。

摘要：为使网络主机的差异性赋值能力得到保障,实现对相似性文档片段语义信息的准确判别,提出基于图文多模态融合的文档片段语义相似度判定算法。在多模态融合条件的基础上,联合图像区域检测结果、文本区域检测结果,建立完整的词袋模型,实现基于图文多模态融合的文档片段标注。根据文本数据预处理条件,确定关键词权值指标,联合已知文档片段语义信息,求取相似性度量值的准确计算结果,完成文档片段语义相似度判定算法的设计。对比实验结果可知,在图文多模态融合技术的支持下,差异性赋值指标的平均值达到了1.0,对于网络主机而言,其在准确判别相似性文档片段语义信息方面的应用能力得到了保障。

摘要：变化检测一直是遥感研究领域的热点,随着遥感技术的不断发展,新型数据源不断涌现,使传统遥感变化检测方法面临新的挑战。本文以Landsat-8影像为主要数据源,使用影像分割算法,设计2期遥感影像的文档-单词映射,将影像中所有的像元作为视觉单词,利用LDA模型将影像文档从单词空间转换到主题空间进行表达。在此基础上,结合实地调查对变化区域进行检测和验证,形成一套面向对象的LDA模型变化检测方法。研究表明:基于图斑的分析可有效消除以像元尺度进行变化检测产生的椒盐现象;利用LDA模型构建的变化检测方法能较好地实现影像文档特征的统一表达,有效去除2期影像相同地物因光谱差异导致的变化误检验;与差值法和波谱角等常规遥感变化检测方法相比,该方法能有效地减少错漏判,提高遥感影像变化检测的正确率,为中高分辨率遥感影像的变化检测提供新思路。