姜祖新 张德贤 张苗 李军军

摘要：该文提出基于Bag of words模型，提取图像的SIFT特征，然后用K-medoids算法对其进行聚类，生成词典查询所需用的关键字，最后用adaboosting算法构建分类器，实验采用pascal图像库中的数据进行训练和测试，实验证明，该算法具有训练和测试速度快，分类精度高等特点，特征提取速度和分类速度非常快。

关键词：尺度不变特征；聚类算法；图像分类性能

中图分类号：TP311文献标识码：A文章编号：1009-3044(2012)09-2075-02

Base on Scale Invariant Features Image Classification Technology Research

JIANG Zu-xin,ZHANG De-xian, ZHANG Miao,LI Jun-jun

（School of Information Science and Engineering, Henan University of Technology,Zhengzhou 450001,China）

Abstract: Image classification has a wide application in computer vision and image processing area, and it also has significant value in practical applications. Therefore, this paper proposes a model based on Bag of words to extract the SIFT characteristic of image, and then using K-medoids algorithm to cluster them and generate the Key words dictionary query needs. Finally, it builds the sorter with adaboosting algorithm. The experiment uses the data in pascal image libary to do training and testing, and the result shows that this algorithm has high training and testing speed, high accuracy on classification, ect. Moreover, the feature extraction and classificiton speed is very high.

Keywords: scale invariant features;clustering algorithm; image classification performance

随着数字图像处理技术的日益成熟，大容量存储设备价格不断下降和计算机网络，面对如此浩瀚的数字图像资源，人们很容易在互联网杂乱无序的信息海洋中迷失方向，如何管理、存储并迅速、准确地检索到所需图像，从而最有效地利用图像提供给人们的便利，是图像分类领域不得不面对的一个问题。

该文提出基于尺度不变特征的图像分类技术来提取图像的sift特征，然后用AdaBoosting算法进行图像的自动分类,一方面，很好的抵抗图像缩放和旋转畸变以及噪声的能力而具有同类技术所不具备的优势。另一方面，可以有效的解决各个领域中海量图像的分类管理，并且完善多媒体信息理论的研究和发展。

1基于尺度不变特征的图像分类技术的提出

现在商用的图像分类系统还不是真正根据图像所包含的内容来进行分类的，只是依靠图像的纹理特征，几何特征，颜色特征以及数理统计特征等来对图像进行分类，容易受到物体角度，光照强度等可变因素的影响，分类精度有限。……