基于局部特征和視覺上下文的圖像檢索系統(tǒng).pdf

1、近幾十年來,在圖像信息方面,網絡中用戶每天上傳的圖像數(shù)量呈現(xiàn)出爆炸增長的趨勢。如何有效的管理這些大量的圖像數(shù)據,進而建立一個圖像檢索系統(tǒng)幫助人們快速找到自己感興趣的圖像便成了一個重要的研究問題。
　　當前主流的圖像檢索系統(tǒng)采用局部特征和詞袋模型取得了較好的檢索性能,其檢索系統(tǒng)的構建主要包括如下環(huán)節(jié):圖像局部特征的提取、視覺詞典的構建、圖像特征編碼、相似度計算。然而,由于構建視覺詞典存在的量化誤差以及詞袋模型對空間信息的忽略制約了檢

2、索系統(tǒng)的性能。本文介紹了一個基于局部特征并結合視覺上下文的圖像檢索系統(tǒng),通過一系列的技術來進一步提高圖像檢索的精度和效率。本文首先介紹了基于局部特征和上下文的圖像檢索框架;通過為特征空間采用近似K-Means建立索引以及為圖像編碼建立倒排索引來提高整個檢索系統(tǒng)的效率;比較了圖像間不同匹配方法在速度和性能上的差異;接著分析比較了視覺上下文中的傳統(tǒng)的和改進的弱幾何一致性在圖像檢索中的差異;最后實現(xiàn)了一個基于傳統(tǒng)方法和本文改進方法的一個圖像檢

3、索系統(tǒng)。
　　本文的主要貢獻包括:
　　1.設計并實現(xiàn)了一個基于局部特征和視覺上下文的圖像檢索系統(tǒng),針對當前圖像檢索系統(tǒng)的不足,融合了漢明編碼以及視覺上下文信息進行重排序提高檢索的精度,并使用近似K-Means和倒排索引技術來提高檢索的響應時間。
　　2.比較了最近鄰和近似K-Means方法在視覺詞典上的查找差異,實驗表明于近似K-Means方法在檢索精度下降不到1％的情況下其速度上提高了100多倍,倒排索引技術成倍的

4、提升了檢索時間。
　　3.分析比較了圖像之間的幾種匹配算法,包括蠻力匹配、基于視覺詞典、漢明編碼的匹配,實驗表明蠻力匹配雖然性能較好,但是需要耗費大量的檢索時間,而基于視覺詞典的圖像匹配采用了近似K-Means建立的索引以及漢明編碼的結合能夠很好的平衡精度和速度問題。
　　4.分析比較了幾種視覺上下文方法,包括弱幾何一致WGC、加強的WGC、空間編碼GC、強幾何一致SGC、結合漢明碼的WGC、及本文改進的M-WGC、M-EW