基于局部特征和視覺(jué)上下文的圖像檢索系統(tǒng).pdf

1、近幾十年來(lái),在圖像信息方面,網(wǎng)絡(luò)中用戶(hù)每天上傳的圖像數(shù)量呈現(xiàn)出爆炸增長(zhǎng)的趨勢(shì)。如何有效的管理這些大量的圖像數(shù)據(jù),進(jìn)而建立一個(gè)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(gè)重要的研究問(wèn)題。
　　當(dāng)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(gòu)建主要包括如下環(huán)節(jié):圖像局部特征的提取、視覺(jué)詞典的構(gòu)建、圖像特征編碼、相似度計(jì)算。然而,由于構(gòu)建視覺(jué)詞典存在的量化誤差以及詞袋模型對(duì)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(gè)基于局部特征并結(jié)合視覺(jué)上下文的圖像檢索系統(tǒng),通過(guò)一系列的技術(shù)來(lái)進(jìn)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(guò)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(lái)提高整個(gè)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(jué)上下文中的傳統(tǒng)的和改進(jìn)的弱幾何一致性在圖像檢索中的差異;最后實(shí)現(xiàn)了一個(gè)基于傳統(tǒng)方法和本文改進(jìn)方法的一個(gè)圖像檢

3、索系統(tǒng)。
　　本文的主要貢獻(xiàn)包括:
　　1.設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基于局部特征和視覺(jué)上下文的圖像檢索系統(tǒng),針對(duì)當(dāng)前圖像檢索系統(tǒng)的不足,融合了漢明編碼以及視覺(jué)上下文信息進(jìn)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(shù)來(lái)提高檢索的響應(yīng)時(shí)間。
　　2.比較了最近鄰和近似K-Means方法在視覺(jué)詞典上的查找差異,實(shí)驗(yàn)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(shù)成倍的

4、提升了檢索時(shí)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(jué)詞典、漢明編碼的匹配,實(shí)驗(yàn)表明蠻力匹配雖然性能較好,但是需要耗費(fèi)大量的檢索時(shí)間,而基于視覺(jué)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(jié)合能夠很好的平衡精度和速度問(wèn)題。
　　4.分析比較了幾種視覺(jué)上下文方法,包括弱幾何一致WGC、加強(qiáng)的WGC、空間編碼GC、強(qiáng)幾何一致SGC、結(jié)合漢明碼的WGC、及本文改進(jìn)的M-WGC、M-EW