基于K-way Min-Max Cut聚類算法的垃圾圖片過濾.pdf

1、目前大多數(shù)流行的圖像搜索引擎，都利用從圖像的上下文中抽取出來的文本信息來建立索引。這種機制下的檢索結果往往含有大量的垃圾信息，因為文本上下文與檢索關鍵詞匹配，不一定代表圖像本身與檢索關鍵詞匹配；最關鍵的是這種機制忽略了圖像視覺內容信息本身。針對Google Images圖像搜索引擎的檢索返回結果，我們提出了一種新的、基于聚類方法的垃圾圖片過濾方法。
　　 首先，我們對Google Images的檢索結果進行圖像特征抽取。為了準確

2、地描述圖像視覺內容信息，我們采用了三種不同性質的圖像特征。同時設計了線性混合內核函數(shù)將這些圖像特征混合在一起，構建出相似性矩陣。然后，利用K-way Min-MaxCut算法對返回圖像進行聚類，與聚類過程相迭代的是線性混合內核的權重系數(shù)調整過程，從而各內核系數(shù)的設定得以自動完成。聚類完成后，對各個類進行排序。排序的策略是先選出質量最優(yōu)秀的類，剩余的類再按照其與質量最優(yōu)類之間的相似性大小進行排序。最后，根據(jù)所需的返回圖像數(shù)目，過濾掉排在末