空间密度聚类在数字图书馆图像检索中的应用  

Application of Spatial Density Clustering in Image Retrieval of Digital Library

作　　者：王华秋[1] 王重阳[1] 聂珍[2] 

机构地区：[1]重庆理工大学计算机科学与工程学院,重庆400054 [2]重庆理工大学图书馆,重庆400054

出　　处：《现代情报》2016年第2期129-134,共6页Journal of Modern Information

基　　金：国家社会科学基金一般项目"数字图书馆智能图像检索系统研制"(项目编号:14BTQ053);重庆市研究生教育教学改革研究项目"研究生<大数据挖掘>课程案例与演示系统研制"(项目编号:yjg143090)

摘　　要：图像聚类为数字图书馆图像管理提供了新的技术支持,能够在大量图像数据中发掘使用户感兴趣的信息。传统应用于图像聚类的特征提取算法往往忽略图像颜色的空间分布信息,且适应性较差。通过等面积矩形环对图像进行划分并计算各空间区域的相关性,并根据空间区域相关性计算各区域的重要性,将空间信息与颜色信息进行融合。同时对快速搜索密度峰值聚类算法的截断距离进行了合理改进,在保证聚类精度的同时提高收敛速度。最后将该密度聚类算法应用于数字图书馆图像检索之中。通过实验验证,本文提出的方法是可行的、有效的。Image clustering of digital library can discover user interested information from large image database so as to pro- vide a new technical support for image management. Traditional feature extraction algorithms which are applied to image clustering often ignore the space distribution information of image color, and have the poor adaptability. Images are divided by equal regional rectangle ring and regional spatial correlations arc calculated, which is used to calculate regional importance to integrate spatial in- formation with color information. At the same time, to ensure clustering accuracy and improve convergence speed, the cutoff dis- tance parameter of the fast search density peaks clustering （DP） is improved reasonably. Finally the proposed clustering algorithm is used in image retrieval of digital library. Experimental results show that the proposed method is feasible and effective.

关 键 词：密度聚类 截断距离 空间相关性 数字图书馆 图像检索 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]