基于相鄰關(guān)鍵點(diǎn)空間關(guān)系的圖像檢索研究.pdf

1、詞包模型(BoW)在基于內(nèi)容的圖像檢索中扮演了一個(gè)重要的角色。盡管使用傳統(tǒng)的詞包模型已經(jīng)可以取得較好的檢索性能，但是由于量化誤差的存在及一些空間信息的缺失，導(dǎo)致大量局部特征的錯誤匹配，從而降低了圖像搜索的整體精度。為了降低量化誤差的影響，二進(jìn)制嵌入方法被引入到BoW模型中。除了使用一個(gè)視覺詞來表示局部描述子，二進(jìn)制嵌入方法還為每一個(gè)高維局部描述子產(chǎn)生一個(gè)精簡的二進(jìn)制碼，從而顯著提高圖像檢索的性能。但是現(xiàn)存的嵌入方法實(shí)質(zhì)都是高維局部特征的

2、簡化，其只考慮了局部特征本身，而忽略了局部特征和其相鄰局部特征之間的空間關(guān)系。為了解決這個(gè)問題，本文提出三種輕量級的權(quán)重二進(jìn)制碼嵌入方法來編碼局部特征和其鄰近局部特征之間的空間關(guān)系，具體研究工作如下:
　　(1)基于相鄰關(guān)鍵點(diǎn)內(nèi)容相似性空間嵌入(CSE)
　　為了綜合考慮每一個(gè)關(guān)鍵點(diǎn)與其鄰近關(guān)鍵點(diǎn)的內(nèi)容相似性和空間分布性，提出了一種基于內(nèi)容相似性的空間關(guān)系編碼方案。對圖像中的每一個(gè)關(guān)鍵點(diǎn)k，除了提取關(guān)鍵點(diǎn)k的特征信息，還考慮

3、關(guān)鍵點(diǎn)k在圖像中的空間分布，提取在空間域中與關(guān)鍵點(diǎn)k最為相近的M個(gè)關(guān)鍵點(diǎn)，以關(guān)鍵點(diǎn)k的方向?yàn)橹鞣较?，沿逆時(shí)針方向劃分為8個(gè)扇形區(qū)域，根據(jù)M個(gè)相鄰關(guān)鍵點(diǎn)在此八個(gè)區(qū)域上分布的有無情況，構(gòu)建八位二進(jìn)制碼。
　　(2)基于相鄰關(guān)鍵點(diǎn)尺度相似性空間嵌入(SSE)
　　為了綜合考慮每一個(gè)關(guān)鍵點(diǎn)與其鄰近關(guān)鍵點(diǎn)的尺度相似性和空間分布性，提出了一種基于尺度相似性的空間關(guān)系編碼方案。對圖像中的每一個(gè)關(guān)鍵點(diǎn)k，提取在空間域中與關(guān)鍵點(diǎn)k最為相近的M

4、個(gè)關(guān)鍵點(diǎn)，以它與第M個(gè)關(guān)鍵點(diǎn)的空間距離為半徑，劃定一個(gè)圓形區(qū)域，在此圓形區(qū)域內(nèi)選取N個(gè)跟關(guān)鍵點(diǎn)k尺度最為相近的4個(gè)關(guān)鍵點(diǎn)為相鄰關(guān)鍵點(diǎn)。再把圓形區(qū)域均勻劃分成4個(gè)同心圓形區(qū)域，根據(jù)4個(gè)相鄰關(guān)鍵點(diǎn)在此4個(gè)圓形區(qū)域上分布的有無情況，構(gòu)建四位二進(jìn)制碼。
　　(3)基于相鄰關(guān)鍵點(diǎn)位置相似性空間嵌入(LSE)
　　為了綜合考慮每一個(gè)關(guān)鍵點(diǎn)與其鄰近關(guān)鍵點(diǎn)的位置相似性和空間分布性，提出了一種位置相似性二進(jìn)制碼嵌入方法。對關(guān)鍵點(diǎn)k，提取它的特