面向移動(dòng)視覺(jué)搜索的緊湊聚合描述子研究.pdf

1、移動(dòng)視覺(jué)搜索作為一個(gè)新興的研究領(lǐng)域，催生了許多新的問(wèn)題和挑戰(zhàn)，如:在海量圖像數(shù)據(jù)中搜索，將面臨搜索準(zhǔn)確率差、搜索時(shí)間長(zhǎng)的困難;移動(dòng)互聯(lián)網(wǎng)由于帶寬有限和不穩(wěn)定，上行傳輸圖像將面臨嚴(yán)重的延遲問(wèn)題;移動(dòng)設(shè)備計(jì)算能力和內(nèi)存有限，視覺(jué)特征提取實(shí)時(shí)性有困難等。為此，MPEG標(biāo)準(zhǔn)組織開(kāi)始著手制定視覺(jué)搜索緊湊描述子標(biāo)準(zhǔn)Compact Descriptors of Visual Search(CDVS)，期望從描述子緊湊性、可區(qū)分性、可伸縮性以及低復(fù)雜度

2、等四個(gè)方面應(yīng)對(duì)上述挑戰(zhàn)。
　　本文以MPEG CDVS技術(shù)框架為基礎(chǔ)，針對(duì)聚合描述子進(jìn)行了重點(diǎn)研究，取得了如下創(chuàng)新性成果:
　　1.提出了一種基于局部特征興趣點(diǎn)排序的選擇性聚合描述子方法。本方法從局部特征興趣點(diǎn)可區(qū)分性的角度，通過(guò)興趣點(diǎn)排序淘汰噪聲局部特征，在顯著降低局部特征聚合計(jì)算復(fù)雜度的同時(shí)，大大增強(qiáng)了聚合描述子的區(qū)分力。實(shí)驗(yàn)結(jié)果表明，本方法在現(xiàn)有聚合描述子的基礎(chǔ)上，檢索性能有了大幅度提升。另外，實(shí)驗(yàn)驗(yàn)證本方法對(duì)于低質(zhì)量

3、JPEG壓縮圖像具有較好的魯棒性。
　　2.提出了一種基于多碼本學(xué)習(xí)的BoW緊湊零階聚合描述子。為了解決BoW模型視覺(jué)詞典規(guī)模過(guò)大、內(nèi)存消耗過(guò)高、描述子大小無(wú)法可伸縮等問(wèn)題，本方法通過(guò)離線(xiàn)學(xué)習(xí)的多個(gè)小規(guī)模碼本對(duì)局部特征空間進(jìn)行多次劃分，在降低局部特征量化誤差的同時(shí)，實(shí)現(xiàn)低內(nèi)存消耗的視覺(jué)詞典;然后利用多碼本生成一個(gè)自適應(yīng)于查詢(xún)圖像的查詢(xún)碼本，并用來(lái)對(duì)局部特征進(jìn)行編碼，從而得到大小可伸縮的低比特BoW緊湊描述子。在MPEG CDVS的

4、多個(gè)標(biāo)準(zhǔn)數(shù)據(jù)集上，與現(xiàn)有算法對(duì)比結(jié)果顯示，本方法在獲取可伸縮低比特描述子的同時(shí)，視覺(jué)詞典內(nèi)存消耗更低，且檢索性能更高。
　　3.提出了一種基于率失真優(yōu)化的Fisher緊湊高階聚合描述子。本方法首次將描述子可伸縮性作為優(yōu)化目標(biāo)之一，使用比特約束標(biāo)量量化算法自適應(yīng)調(diào)整描述子大小，從而滿(mǎn)足不同無(wú)線(xiàn)網(wǎng)絡(luò)帶寬的需求。同時(shí)，不同大小的緊湊描述子之間支持快速漢明距離度量，滿(mǎn)足描述子互操作性。特別地，本方法量化過(guò)程計(jì)算復(fù)雜度很低。與現(xiàn)有算法的實(shí)驗(yàn)