基于成对约束Info-Kmeans聚类的图像索引方法

摘要

基于图像内容构建索引有助于提高图像获取的效率,实现基于内容的图像获取.针对图像数据噪音大和高维稀疏的特点,提出一种基于噪音过滤和Info-Kmeans聚类的图像索引构建方法.首先,利用余弦兴趣模式过滤噪音.其次,提出一种新的Info-Kmeans聚类算法,该算法不仅避免KL-divergence计算过程中的零值困境问题,还能融合以成对约束出现的先验知识.最后,在LFW和Oxford_5K两个图像数据集上的实验表明:(1)噪音过滤能显著提高聚类性能;(2)Info-Kmeans比已有聚类工具具有更优越的性能.