基于isodata聚类的词汇树图像检索算法

词汇树图像检索是一种基于视觉关键词结构的高效的图像检索算法。该算法在特征提取和聚类过程中分别采用sift算法和k-means算法。然而,k-means算法对初值比较依赖,当聚类个数未知时,聚类易出现强分现象,且sift算法易造成数据溢出和增加检索时间。对此,给出了两种新的特征提取方法,分别称为sift_crone特征和color_hu特征,同时引入了isodata算法对特征进行聚类。sift_crone特征提取方法基于sift算法确定图像的关键点,采用crone算子计算关键点周围像素的梯度,对关键点进行向量描述,其优点是既保持了sift特征的优点又减少了检索时间。color_hu特征是利用sift确定关键点和有效区域,对关键点的邻域提取该感兴趣区域的颜色直方图和hu矩特征,降低特征维数,缩短检索时间。在使用isodata算法时,设计了一种自适应参数确定算法。实验结果表明,isodata算法克服了k-means对初值的依赖,当聚类个数未知时有较好的聚类效果；两种新特征有各自的特点,均可以缩短图像的检索时间,提高检索效率。