基于粒子群优化的多特征融合的商标图像检索

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (21): 186-190.

• 图形、图像、模式识别 • 上一篇下一篇

基于粒子群优化的多特征融合的商标图像检索

张雯雯1，王斌1，2，舒华忠3

1.东南大学生物医学工程学院，南京 210096
2.南京财经大学电子商务省级重点实验室，南京 210046
3.东南大学计算机科学与工程学院，南京 210096

出版日期:2012-07-21 发布日期:2014-05-19

Trademark image retrieval based on particle swarm optimization in multi-feature fusion

ZHANG Wenwen1, WANG Bin1，2, SHU Huazhong3

1.School of Biomedical Engineering, Southeast University, Nanjing 210096, China
2.Provincial Key Lab of E-Commerce, Nanjing University of Finance and Economics, Nanjing 210046, China
3.School of Computer Science and Engineering, Southeast University, Nanjing 210096, China

Online:2012-07-21 Published:2014-05-19

摘要/Abstract

摘要： 提出一种基于粒子群优化的多特征融合的商标图像检索方法，该方法可自动优化多特征融合的权重，提高图像检索系统的自适应性，解决了多特征商标图像检索中的权重分配问题。在1 000幅图像构成的商标图像库进行检索实验，实验结果表明，与基于单一特征的检索方法和一些多特征融合的检索方法相比，提出方法的检索性能最优。

关键词: 粒子群优化算法, 多特征融合, 特征权重分配, 商标图像检索

Abstract: This paper develops a method of trademark image retrieval based on particle swarm optimization in multi-feature fusion. It can optimize the weights of multi-feature fusion automatically, improve self-adaptive of?the image?retrieval system, and solve the allocation problem of feature weights in the trademark image retrieval. After retrieving in the trademark?image database constituted of 1000?images, the results show that the proposed method has a better retrieval performance than?the single-feature-based retrieval?methods and some multi-feature-fusion retrieval?methods.

Key words: Particle Swarm Optimization（PSO） algorithm, multi-feature fusion, feature weight assignment, trademark image retrieval

张雯雯1，王斌1，2，舒华忠3. 基于粒子群优化的多特征融合的商标图像检索[J]. 计算机工程与应用, 2012, 48(21): 186-190.

ZHANG Wenwen1, WANG Bin1，2, SHU Huazhong3. Trademark image retrieval based on particle swarm optimization in multi-feature fusion[J]. Computer Engineering and Applications, 2012, 48(21): 186-190.

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	0	0	37

	来源	本网站

	次数	37
	比例	100%

摘要

最新录用	在线预览	正式出版

0	0	68

	来源	本网站

	次数	68
	比例	100%

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[3]	畅雅雯，赵冬青，单彦虎. 多特征融合和自适应聚合的立体匹配算法研究[J]. 计算机工程与应用, 2021, 57(23): 219-225.
[4]	张晓晓，牛福，毛健平，安居白，郭浩. 基于多特征融合与ResNet的海面溢油区识别研究[J]. 计算机工程与应用, 2021, 57(14): 267-274.
[5]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.
[6]	王思奎，刘云鹏，亓琳，张钟毓，林智远. 基于背景约束与卷积特征的目标跟踪方法[J]. 计算机工程与应用, 2020, 56(8): 205-214.
[7]	赵京霞，钱育蓉，南方哲，张晗，行艳妮. CNN多层特征融合与ELM的乳腺疾病诊断方法[J]. 计算机工程与应用, 2020, 56(4): 122-127.
[8]	刘晓栋，尚振宏，黄欢. 有效块的多特征融合的目标跟踪方法[J]. 计算机工程与应用, 2020, 56(3): 201-206.
[9]	李昕昕，杨林. 面向复杂道路场景小尺度行人的实时检测算法[J]. 计算机工程与应用, 2020, 56(22): 124-131.
[10]	张云纯，张琨，徐济铭，袁卫平，蔡颖，高雅. 基于图模型的多文档摘要生成算法[J]. 计算机工程与应用, 2020, 56(16): 124-131.
[11]	张鑫1，邹德旋1，肖鹏1，喻秋2. 自适应简化粒子群优化算法及其应用[J]. 计算机工程与应用, 2019, 55(8): 250-263.
[12]	郑朝鑫1，2，董晨1，3，贺国荣1，3，陈荣忠1，3，熊子奇1，3. 基于改进粒子群算法的动态3D实时建模技术[J]. 计算机工程与应用, 2019, 55(5): 65-71.
[13]	马炫，刘栋，胡家鑫. 求解必经点k条最优路径问题的粒子群优化算法[J]. 计算机工程与应用, 2019, 55(20): 89-94.
[14]	郭世伟，孟昱煜，陈绍立. 改进的PSOGM算法在动态关联规则挖掘中的应用[J]. 计算机工程与应用, 2018, 54(8): 160-165.
[15]	胡震，邹德旋，张旭. R-dPSO算法及其在ATO控制策略中的应用[J]. 计算机工程与应用, 2018, 54(24): 212-220.

基于粒子群优化的多特征融合的商标图像检索

Trademark image retrieval based on particle swarm optimization in multi-feature fusion

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐 0

Metrics