基于內(nèi)容的大規(guī)模圖像檢索技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)和數(shù)字成像設(shè)備的普及，積聚數(shù)字圖像的各種網(wǎng)絡(luò)社區(qū)得到了迅速發(fā)展，包含大量圖像的數(shù)據(jù)庫(kù)也隨之不斷出現(xiàn)，如何從這些海量圖像數(shù)據(jù)庫(kù)中快速檢索出滿(mǎn)足用戶(hù)需求的圖像已成為多媒體應(yīng)用領(lǐng)域中一個(gè)重要的主題。為了實(shí)現(xiàn)精確而快速的圖像檢索，解決圖像檢索中的圖像內(nèi)容精確表示，大規(guī)模檢索的存儲(chǔ)約束以及檢索效率等問(wèn)題，從圖像描述符，近似最近鄰檢索以及高維向量索引等幾個(gè)方面進(jìn)行了深入的研究。
　　針對(duì)全局描述符VLAD的區(qū)分度與存儲(chǔ)大小之間的矛盾

2、，提出了一種增強(qiáng)的圖像描述符，其通過(guò)兩層視覺(jué)碼書(shū)來(lái)生成圖像的VLAD描述符，即圖像的局部特征的殘差向量基于細(xì)粒度的第二層視覺(jué)子碼書(shū)而產(chǎn)生，而殘差向量的累積基于粗粒度的第一層視覺(jué)子碼書(shū)。另外，針對(duì)圖像局部特征非均勻分布，對(duì)第二層視覺(jué)子碼書(shū)提出了優(yōu)化措施。實(shí)驗(yàn)結(jié)果表明，兩層碼書(shū)及優(yōu)化策略能顯著提高固定大小的VLAD描述符的區(qū)分度。
　　針對(duì)在向量原始空間訓(xùn)練量化器及向量量化編碼時(shí)間開(kāi)銷(xiāo)過(guò)大的缺陷，設(shè)計(jì)了殘差投影量化器，并將其用于近似最

3、近鄰檢索。殘差投影量化器由多階段子量化器組成，在每一個(gè)階段子量化器訓(xùn)練過(guò)程中，借助主成分分析將高維向量投影到低維空間，并通過(guò)K均值聚類(lèi)算法在低維空間生成子量化器的視覺(jué)碼書(shū)，量化產(chǎn)生的殘差則反投影到原始空間用于訓(xùn)練下一階段子量化器。另外，以訓(xùn)練階段和量化階段的總體誤差最小化為目標(biāo)，提出了相應(yīng)階段的優(yōu)化措施。查詢(xún)時(shí)，所采用的非對(duì)稱(chēng)距離計(jì)算及查找表很好的滿(mǎn)足了大規(guī)模高維向量檢索的精度和效率需求。
　　為了提高檢索效率，提出了基于二級(jí)鄰接

4、圖的索引結(jié)構(gòu)。第一級(jí)鄰接圖反映的是轉(zhuǎn)換積量化器視覺(jué)碼書(shū)和數(shù)據(jù)庫(kù)向量的近鄰關(guān)系，用于快速生成查詢(xún)的近鄰種子，在第一級(jí)鄰接圖的生成過(guò)程中，采用逆向生成模式，即先將數(shù)據(jù)庫(kù)向量分配給轉(zhuǎn)換積量化器的多個(gè)最近鄰視覺(jué)碼字，然后，再為每個(gè)視覺(jué)碼字保留少數(shù)幾個(gè)最近鄰數(shù)據(jù)庫(kù)向量。第二級(jí)鄰接圖反映的是數(shù)據(jù)庫(kù)向量到自身的近鄰關(guān)系，用于近鄰傳遞，為了快速生成第二級(jí)鄰接圖，采用了一種基于劃分樹(shù)的鄰接圖近似構(gòu)建算法。基于二級(jí)鄰接圖進(jìn)行查詢(xún)時(shí)，對(duì)于給定的查詢(xún)向量，先快

5、速檢索到該查詢(xún)向量在轉(zhuǎn)換積量化器視覺(jué)碼書(shū)中的最近鄰視覺(jué)碼字，并基于第一級(jí)鄰接圖的鄰接關(guān)系快速生成查詢(xún)向量的最近鄰種子，對(duì)每一個(gè)最近鄰種子，基于第二級(jí)鄰接圖的鄰接關(guān)系實(shí)現(xiàn)近鄰傳遞，重復(fù)上述過(guò)程直到檢索到的最近鄰個(gè)數(shù)滿(mǎn)足指定的閾值為止?；诙?jí)鄰接圖的不完全檢索很好的解決了大規(guī)模檢索的實(shí)時(shí)需求。
　　基于內(nèi)容的大規(guī)模圖像檢索需要研究的問(wèn)題還有很多。在圖像描述符方面，如何融合多種視覺(jué)特征用于生成圖像描述符以更好的表達(dá)圖像內(nèi)容是需要進(jìn)一步