主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
庄连生,高浩渊,刘超,俞能海.非负稀疏局部线性编码.软件学报,2011,22(zk2):89-95
非负稀疏局部线性编码
Nonnegative Sparse Locally Linear Coding
投稿时间:2011-07-20  修订日期:2011-12-01
DOI:
中文关键词:  图像分类  词袋模型  非负稀疏表示  特征量化
英文关键词:image classification  bag of word  nonnegative sparse representation  feature quantization
基金项目:国家自然科学基金(60933013, 61103134); 国家科技重大专项(2010ZX03004-003); 中央高校基本科研业务经费(WK2100230002, WK2101020003)
作者单位E-mail
庄连生 中国科学技术大学 信息科学技术学院,安徽 合肥 230027 lszhuang@ustc.edu.cn 
高浩渊 中国科学技术大学 信息科学技术学院,安徽 合肥 230027  
刘超 中国科学技术大学 信息科学技术学院,安徽 合肥 230027  
俞能海 中国科学技术大学 信息科学技术学院,安徽 合肥 230027  
摘要点击次数: 2248
全文下载次数: 4343
中文摘要:
      针对视觉词袋模型中的特征量化问题,提出一种非负稀疏局部线性编码方法.它能够有效地改善局部特征编码性能,提高图像非线性特征的区分能力.其核心思想是,利用非负稀疏表示技术选择与待编码局部特征处于同一线性空间中的近邻点,然后以这些近邻点作为局部坐标系对当前局部特征进行线性编码.实验结果表明,该局部特征编码方法显著优于现有的特征编码方法,有效地提高了图像非线性特征的区分能力,更有利于图像分类 任务.
英文摘要:
      Feature quantization is an important component in Bag of word model. This paper proposes a novel method called nonnegative sparse locally linear coding (NSLLC) to improve the performance of locally linear coding. The core ides of NSLLC is to use nonnegative sparse representation to select the nearest neighbors in the same subspace and then encode the local feature with respect to the local coordinate consisting of these nearest neighbors. Experimental results have shown NSLLC has outperformed state-of-the-art local feature coding methods and is in favor of image classification problem.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利