基于參數(shù)統(tǒng)計(jì)量的圖片檢索系統(tǒng).pdf

1、隨著科技的進(jìn)步,現(xiàn)代攝像技術(shù)和設(shè)備越來越便捷和先進(jìn),互聯(lián)網(wǎng)中圖片數(shù)目成爆炸式增長,用戶對圖片檢索的需求也越來越大,而傳統(tǒng)的檢索技術(shù)依賴于文本檢索,由于視覺特征和文本信息之間存在“語義鴻溝”,傳統(tǒng)的方法并不能達(dá)到檢索精度指標(biāo),基于圖片內(nèi)容的檢索技術(shù)應(yīng)運(yùn)而生并有了長足的進(jìn)步。
　　基本的Bag of Visual Word圖片檢索模型使得大規(guī)模的基于圖片內(nèi)容的圖片檢索成為可能,但是猶有不足和亟待改進(jìn)之處。主要表現(xiàn)在:一是高維視覺特征被

2、量化為視覺關(guān)鍵字時(shí)因降維而帶來的信息丟失,導(dǎo)致特征的區(qū)分力下降;二是傳統(tǒng)的BOV模型以單個(gè)特征描述符為單位,忽略了特征描述符周圍的上下文信息。本論文針對上述兩方面展開工作,引入了海明碼和軟量化技術(shù)來改善因量化而引入的信息損失,提高單個(gè)特征描述符的判別力。為了描述單個(gè)描述符的上下文信息,本論文先引入了<均值,方差>距離,然后在此距離定義基礎(chǔ)上將K-means聚類生成的無序的視覺碼書構(gòu)建成一個(gè)無向圖,對該無向圖適用改進(jìn)的Prim算法計(jì)算最小

3、生成樹,以頂點(diǎn)的輸出順序?yàn)樾碌囊曈X碼書順序,然后以單個(gè)描述符的Hessian-Affine區(qū)域?yàn)樯舷挛膮^(qū)域,對落入此區(qū)域的描述符計(jì)算區(qū)域面積、描述符密度、尺度、角度還有關(guān)鍵字 id相關(guān)的參數(shù)統(tǒng)計(jì)量。檢索過程中依照參數(shù)統(tǒng)計(jì)量的一致性重新估計(jì)相似度和權(quán)重,消除誤匹配影響,提升檢索精度。本論文工作還包括搭建完整的圖片檢索系統(tǒng),并在 Holidays、UKBench等數(shù)據(jù)庫上進(jìn)行實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)結(jié)果表明基于參數(shù)統(tǒng)計(jì)量的圖片檢索模型有效提高了系統(tǒng)的