面向圖像購(gòu)物搜索的圖像分析方法研究.pdf

1、電子商務(wù)的迅猛發(fā)展改變了人們傳統(tǒng)的購(gòu)物習(xí)慣。然而，現(xiàn)有的利用分類搜索和關(guān)鍵字搜索的商品搜索技術(shù)，存在搜索結(jié)果量大而匹配精確度低的問(wèn)題。本文以商品圖像搜索為研究焦點(diǎn)，重點(diǎn)研究了其核心問(wèn)題－商品圖像的特征抽取和匹配問(wèn)題。
　　本文工作的主要貢獻(xiàn)是針對(duì)經(jīng)典的尺度不變特征變換描述子SIFT（Scale Invariant Feature Transform），在應(yīng)用于商品圖像識(shí)別中，存在的在較大仿射變換和視角變換的情況下，無(wú)法進(jìn)行有效匹配

2、的問(wèn)題，提出了一種新的融合多視角的仿射不變描述子。該描述子首先將商品圖像進(jìn)行模擬視角轉(zhuǎn)換，生成一組模擬視角圖像序列，然后檢測(cè)序列圖像的視覺(jué)特征，最后利用隨機(jī)抽樣一致算法RANSAC（Random Sample Consensus），將模擬視角圖像序列中的視覺(jué)特征映射到原始圖像中，共同構(gòu)成原始圖像的特征點(diǎn)。
　　本文還對(duì)傳統(tǒng)詞袋模型BoW（Bag-of-Words）中視覺(jué)詞典的構(gòu)造方法和視覺(jué)特征的量化方法進(jìn)行了改進(jìn)。針對(duì)構(gòu)造視覺(jué)詞典

3、的傳統(tǒng)K-Means聚類算法存在的初始聚類中心的隨機(jī)選取，所導(dǎo)致的聚類結(jié)果不穩(wěn)定，且易存在局部極值點(diǎn)的問(wèn)題，提出采用密度敏感相似性度量方法確定K-Means聚類算法的初始聚類中心；并針對(duì)傳統(tǒng)視覺(jué)特征量化采用硬量化方法HQ（Hard Quantization），而忽視了視覺(jué)特征與視覺(jué)單詞之間聯(lián)系的問(wèn)題，提出采用軟量化方法SQ（Soft Quantization）方法進(jìn)行視覺(jué)特征量化。
　　用從淘淘搜、最美搜衣、唯品會(huì)等購(gòu)物網(wǎng)站上抓取