作者：李伟生; 陈曦词袋模型显著性检测密度峰值聚类目标识别
摘要：针对词袋模型易受到无关的背景视觉噪音干扰的问题，提出了一种结合显著性检测与词袋模型的目标识别方法。首先，联合基于图论的视觉显著性算法与一种全分辨率视觉显著性算法，自适应地从原始图像中获取感兴趣区域。两种视觉显著性算法的联合可以提高获取的前景目标的完整性。然后，使用尺度不变特征变换描述子从感兴趣区域中提取特征向量，并通过密度峰值聚类算法对特征向量进行聚类，生成视觉字典直方图。最后，利用支持向量机对目标进行识别。在PASCAL VOC 2007和MSRC-21数据库上的实验结果表明，该方法相比同类方法可以有效地提高目标识别性能。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
