基于詞袋模型和詞匯樹的圖像檢索技術研究.pdf

1、隨著計算機網絡和多媒體技術的發(fā)展，每天產生大量的數(shù)字圖像資源，因此如何對圖像進行有效管理并建立高效的圖像檢索算法成為研究的重點。基于文本的圖像檢索實現(xiàn)簡單，但人工標注耗時耗力，在使用上具有一定的局限性?；趦热莸膱D像檢索融合了計算機視覺技術、機器學習和信息檢索技術，成為近十幾年來圖像檢索研究的主流方向。詞袋模型和詞匯樹算法作為其中重要的技術，處于不斷發(fā)展和深入研究的階段。
　　本文分析了基于內容的圖像檢索算法的研究現(xiàn)狀，對圖像特征

2、提取、海量數(shù)據(jù)高維索引這兩個關鍵問題展開研究，并實現(xiàn)了基于詞袋模型和詞匯樹的圖像檢索算法。該算法旨在提高圖像檢索算法的性能，在此基礎上完成智慧城市街景圖像檢索原型系統(tǒng)的設計和實現(xiàn)。
　　本文的主要研究工作如下：
　　1.針對中小規(guī)模數(shù)據(jù)庫，研究并實現(xiàn)基于詞袋模型（Bag-of-Words，BoW）和支持向量機（Support Vector Machine，SVM）的圖像檢索算法。分析SIFT和SURF圖像局部特征提取算法，并

3、闡述BoW模型和SVM的原理。在不同大小數(shù)據(jù)庫上，對圖像分別提取SIFT特征和SURF特征，測試其訓練速度、檢索性能以及詞袋大小和檢索性能的關系，給出相應結論。
　　2.研究基于詞匯樹（Vocabulary Tree）的圖像檢索算法，并在此基礎上實現(xiàn)五萬張圖像的秒級檢索。分析詞匯樹算法的原理和步驟，研究檢索圖像與數(shù)據(jù)庫圖像相似度分值的排序算法以及對大規(guī)模數(shù)據(jù)庫訓練的內存策略。采用KD-tree with BBF（Best Bin

4、First）特征匹配算法和RANSAC（Random Sample Consensus，隨機抽樣一致性）去除錯誤匹配算法對詞匯樹返回的前 N個檢索結果進行排序篩選，有效提高檢索精度。
　　3.設計并實現(xiàn)智慧城市街景圖像檢索原型系統(tǒng)。為滿足使用需求，系統(tǒng)設計為具有前后端的Client/Server架構，客戶端和服務器端在同一WiFi無線局域網下通過 HTTP協(xié)議進行通信。針對系統(tǒng)需求設計系統(tǒng)整體框架，并完成客戶端和服務器端的具體模塊