基于K-way Min-Max Cut聚類算法的垃圾圖片過(guò)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(lái)的文本信息來(lái)建立索引。這種機(jī)制下的檢索結(jié)果往往含有大量的垃圾信息，因?yàn)槲谋旧舷挛呐c檢索關(guān)鍵詞匹配，不一定代表圖像本身與檢索關(guān)鍵詞匹配；最關(guān)鍵的是這種機(jī)制忽略了圖像視覺內(nèi)容信息本身。針對(duì)Google Images圖像搜索引擎的檢索返回結(jié)果，我們提出了一種新的、基于聚類方法的垃圾圖片過(guò)濾方法。
　　 首先，我們對(duì)Google Images的檢索結(jié)果進(jìn)行圖像特征抽取。為了準(zhǔn)確

2、地描述圖像視覺內(nèi)容信息，我們采用了三種不同性質(zhì)的圖像特征。同時(shí)設(shè)計(jì)了線性混合內(nèi)核函數(shù)將這些圖像特征混合在一起，構(gòu)建出相似性矩陣。然后，利用K-way Min-MaxCut算法對(duì)返回圖像進(jìn)行聚類，與聚類過(guò)程相迭代的是線性混合內(nèi)核的權(quán)重系數(shù)調(diào)整過(guò)程，從而各內(nèi)核系數(shù)的設(shè)定得以自動(dòng)完成。聚類完成后，對(duì)各個(gè)類進(jìn)行排序。排序的策略是先選出質(zhì)量最優(yōu)秀的類，剩余的類再按照其與質(zhì)量最優(yōu)類之間的相似性大小進(jìn)行排序。最后，根據(jù)所需的返回圖像數(shù)目，過(guò)濾掉排在末