融合KL散度和移地距离的高斯混合模型相似性度量方法

doi:10.11772/j.issn.1001-9081.2014.03.0828

计算机应用 ›› 2014, Vol. 34 ›› Issue (3): 828-832.DOI: 10.11772/j.issn.1001-9081.2014.03.0828

融合KL散度和移地距离的高斯混合模型相似性度量方法

余艳¹,²

1. 华中科技大学计算机科学与技术学院，武汉430074
2. 武汉科技大学理学院，武汉430065；

收稿日期:2013-11-01 修回日期:2013-12-02 出版日期:2014-03-01 发布日期:2014-04-01
通讯作者: 余艳
作者简介:余艳(1980-)，女，湖北襄樊人，讲师，博士研究生，CCF会员，主要研究方向：计算机视觉、机器学习。
基金资助:
冶金工业过程系统科学湖北省重点实验室（武汉科技大学）开放基金资助项目

Similarity measure method of Gaussian mixture model by integrating Kullback-Leibler divergence and earth mover's distance

YU Yan¹,²

1. School of Computer Science and Technology, Huazhong University of Science and Technology, Wuhan Hubei 430074, China
2. 武汉科技大学理学院，武汉430065；

Received:2013-11-01 Revised:2013-12-02 Online:2014-03-01 Published:2014-04-01
Contact: YU Yan

摘要/Abstract

摘要：

为提高高斯混合模型(GMM)间相似性度量方法的计算效率和准确性，通过对称化KL散度(KLD)并结合移地距离(EMD)提出一种新的相似性度量方法。首先计算待比较的两个高斯混合模型内各高斯成分间的KL散度，对称化处理后用于构造地面距离矩阵；然后用线性规划方法求解两个高斯混合模型间的移地距离作为高斯混合模型间的相似性度量。实验结果表明，将该相似性度量方法应用于彩色图像检索，相对于传统方法能够提高检索的时间效率和准确性。

关键词: 图像检索, 高斯混合模型, KL散度, 移地距离, 颜色空间分布

Abstract:

To improve the computation efficiency and effectiveness of the similarity measure method between two Gaussian Mixture Models (GMM), a new measure method was proposed by means of integrating symmetrized Kullback-Leibler Divergence (KLD) and earth mover's distance. At first, the KL divergence between Gaussian components of the two GMMs to be compared was computed and symmetrized for constructing the earth distance matrix. Then, the earth mover's distance between the two GMMs was computed using linear programming and it was used for GMM similarity measure. The new measure method was tested in colorful image retrieval. The experimental results show that the proposed method is more effective and efficient than the traditional measure methods.

Key words: image retrieval, Gaussian mixture model, KL divergence, earth mover’s distance, color spatial distribution

中图分类号:

TP391.413

余艳. 融合KL散度和移地距离的高斯混合模型相似性度量方法[J]. 计算机应用, 2014, 34(3): 828-832.

YU Yan. Similarity measure method of Gaussian mixture model by integrating Kullback-Leibler divergence and earth mover's distance[J]. Journal of Computer Applications, 2014, 34(3): 828-832.

[1]	杨粟, 欧阳智, 杜逆索. 基于相关度距离的无监督并行哈希图像检索[J]. 计算机应用, 2021, 41(7): 1902-1907.
[2]	陆荣秀, 陈明明, 杨辉, 朱建勇. 基于溶液图像时序特征的元素组分含量动态监测系统[J]. 计算机应用, 2021, 41(10): 3075-3081.
[3]	顾军华, 王锋, 戚永军, 孙哲然, 田泽培, 张亚娟. 基于多尺度卷积特征融合的肺结节图像检索方法[J]. 计算机应用, 2020, 40(2): 561-565.
[4]	陈聿, 田博今, 彭云竹, 廖勇. 联合手肘法和期望最大化的高斯混合聚类电力系统客户分群算法[J]. 计算机应用, 2020, 40(11): 3217-3223.
[5]	张美玲, 吴俊峰, 于红, 崔榛, 董婉婷. 基于颜色四通道及空间金字塔的鱼类图像检索[J]. 计算机应用, 2019, 39(5): 1466-1472.
[6]	秦品乐, 李启, 曾建潮, 张娜, 宋宇龙. 基于多尺度密集网络的肺结节图像检索算法[J]. 计算机应用, 2019, 39(2): 392-397.
[7]	彭磊, 杨秀云, 张裕飞, 李光耀. 基于全局与局部相似性测度的非刚性点集配准[J]. 计算机应用, 2019, 39(10): 3028-3033.
[8]	陈宏宇, 邓德祥, 颜佳, 范赐恩. 基于显著性语义区域加权的图像检索算法[J]. 计算机应用, 2019, 39(1): 136-142.
[9]	林朗, 王让定, 严迪群, 李璨. 基于修正倒谱特征的回放语音检测算法[J]. 计算机应用, 2018, 38(6): 1648-1652.
[10]	杨晓玲, 李志清, 刘雨桐. 基于多标签判别字典学习的图像自动标注[J]. 计算机应用, 2018, 38(5): 1294-1298.
[11]	喻新荣, 李志华, 闫成雨, 李双俐. 云数据中心高效的虚拟机整合方法[J]. 计算机应用, 2018, 38(2): 550-556.
[12]	陶志勇, 刘晓芳, 王和章. 融合密度峰值的高斯混合模型聚类算法[J]. 计算机应用, 2018, 38(12): 3433-3437.
[13]	陈文兵, 管正雄, 陈允杰. 基于条件生成式对抗网络的数据增强方法[J]. 计算机应用, 2018, 38(11): 3305-3311.
[14]	汪鹏, 张奥帆, 王利琴, 董永峰. 基于迁移学习与多标签平滑策略的图像自动标注[J]. 计算机应用, 2018, 38(11): 3199-3203.
[15]	朱杰, 张俊三, 吴树芳, 董宇坤, 吕琳. 基于多中心卷积特征加权的图像检索方法[J]. 计算机应用, 2018, 38(10): 2778-2781.

融合KL散度和移地距离的高斯混合模型相似性度量方法

Similarity measure method of Gaussian mixture model by integrating Kullback-Leibler divergence and earth mover's distance

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

Metrics