基于局部不變特征融合的圖像檢索技術(shù)研究.pdf

1、基于內(nèi)容的圖像檢索直接從圖像本身提取能夠描述其內(nèi)容特點的圖像特征，并將其用于圖像間的相似性度量，已成為當前計算機視覺領域的一個研究熱點。更重要的是，基于內(nèi)容的圖像檢索有助于構(gòu)建客觀、自動、高效的圖像檢索系統(tǒng)，對于管理互聯(lián)網(wǎng)所產(chǎn)生的海量圖像數(shù)據(jù)具有十分重要的意義。總體而言，圖像特征可概括為顏色、紋理、形狀和局部不變特征，與其他特征相比，局部不變特征具有良好的區(qū)分度，對于圖像變換具有不變性且其對圖像遮擋表現(xiàn)出一定的魯棒性。由此，局部不變特征

2、被廣泛應用于圖像配準、目標識別、圖像檢索等計算機視覺領域中。
　　本論文主要研究基于詞袋（Bag-of-words）模型與Fisher Kernel的局部不變特征融合方法，對這些方法進行分析與總結(jié)，進而針對現(xiàn)有算法中出現(xiàn)的問題采取相應的改進方法，并將改進后的算法應用于圖像檢索中。本論文的主要工作和貢獻如下：
　　1.研究基于局部不變特征圖像檢索的一些知識要點，主要包括局部不變特征提取技術(shù)、基于局部不變特征的圖像相似度度量以及

3、圖像檢索性能的評價標準。
　　2.研究詞袋模型的理論知識以及基于詞袋的局部不變特征融合方法，并根據(jù)該融合方法中存在的缺點，采取如下改進方法：
　　1）運用Kd-Tree近似最近鄰查找算法提高特征編碼的效率；
　　2）運用ZCA白化方法降低編碼系數(shù)各維度間的相關度；
　　3）運用冪律歸一化方法平滑圖像表示向量，降低頻率較高的圖像內(nèi)容比重；
　　4）運用稀疏自編碼器對圖像表示向量進行優(yōu)化，進一步去除向量間的冗余

4、信息同時增強其描述能力。通過實驗驗證，改進算法的檢索性能有較大的提高。
　　3.重點研究和分析基于Fisher Kernel的局部不變特征融合方法，并提出基于局部約束線性編碼的費希爾向量。首先，針對高斯混合模型在高維數(shù)據(jù)空間存在的局限性，運用稀疏表示模型建模局部描述子的產(chǎn)生過程，推導出聯(lián)合稀疏表示模型與Fisher Kernel模型的費希爾向量表達式；其次，針對稀疏編碼存在的計算效率低、缺乏空間結(jié)構(gòu)信息等問題，利用局部約束線性編碼