一种改进的K-means聚类算法的图像检索方法

摘要：

分析了K-means聚类算法在图像检索中的缺点,提出了一种改进的K-means聚类算法的图像检索方法.它首先计算图像特征库里面的所有颜色直方图特征之间的欧氏距离；然后根据“两个对象距离越近,相似度越大”[1]这一原理,找到符合条件的特征向量作为K-means聚类的初始类心进行聚类；最后进行图像检索.实验结果表明,本算法具有较高的检索准确率.

关键词：聚类、K-means聚类算法、颜色直方图特征、图像检索、特征提取

所属期刊栏目：40

分类号：TP39(计算技术、计算机技术)

资助基金：福建省自然科学基金项目2011J01338

在线出版日期：2013-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：285-288