移動(dòng)平臺(tái)上基于內(nèi)容的圖像檢索系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)的快速發(fā)展，信息處于爆炸式的增長(zhǎng)狀態(tài)，如何組織如此龐大的信息，并使得人們能夠輕易找尋到自己所需的信息日漸成為了熱點(diǎn)課題之一。由此衍生出了現(xiàn)在廣泛使用的各種搜索引擎，如百度、谷歌、必應(yīng)等等。
　　圖像檢索也是搜索引擎的一部分。早期大部分的圖像是采用手工標(biāo)注的方式來(lái)建立索引，存在著效率低，主觀性等等缺陷。隨著數(shù)據(jù)量的日益增長(zhǎng)，這類方法顯然已經(jīng)不能滿足需求。TBIR（基于文本的圖像檢索）要求圖像上傳者對(duì)圖像進(jìn)行給出必要的標(biāo)注，

2、系統(tǒng)按照標(biāo)注對(duì)圖像進(jìn)行存儲(chǔ)索引，然后搜索引擎通過(guò)檢索技術(shù)查找出和用戶提供的關(guān)鍵字相近的圖像。目前大部分圖像檢索系統(tǒng)大多采用此種方法，如百度和谷歌，不同的是它們圖像的來(lái)源是依靠爬蟲(chóng)系統(tǒng)的采集而非人工的標(biāo)注，能自動(dòng)完成圖像及其標(biāo)注的提取。但由于此種方法完全沒(méi)有考慮圖像內(nèi)容的本身，過(guò)度依賴于用戶提供或者采集來(lái)的關(guān)鍵詞，所以圖像檢索結(jié)果的正確性無(wú)法保證。于是CBIR（基于內(nèi)容的圖像檢索）被提出，并得到了廣泛的關(guān)注。這種檢索方式是通過(guò)提取圖像的底

3、層特征，并用圖像特征間的相似性來(lái)得到最終結(jié)果。近年來(lái)智能終端日益成熟和移動(dòng)網(wǎng)絡(luò)的普及，由于其便攜性和易于使用，使得人們更加容易獲取到想要的信息。當(dāng)前的圖像檢索大多數(shù)基于個(gè)人電腦平臺(tái)，移動(dòng)平臺(tái)的圖像檢索由于滿足人們的多樣化搜索習(xí)慣也將會(huì)得到迅速的發(fā)展。
　　本文力求構(gòu)建一個(gè)小型的商品圖像檢索系統(tǒng)，并將其拓展到移動(dòng)平臺(tái)，通過(guò)移動(dòng)平臺(tái)拍攝或傳輸商品圖片而獲得相關(guān)信息。本文的工作和創(chuàng)新點(diǎn)如下:
　　(1)構(gòu)建了一個(gè)針對(duì)淘寶和天貓的網(wǎng)

4、絡(luò)爬蟲(chóng)系統(tǒng)，用于采集商品圖片和相關(guān)的信息，并對(duì)采集性能上進(jìn)行了一定程度的優(yōu)化。將圖像特征提取算法移植到安卓平臺(tái)，使得其能在手機(jī)上直接進(jìn)行特征提取，通過(guò)拍攝的商品圖像，直接返回網(wǎng)店鏈接和相關(guān)的商品推薦。
　　(2)對(duì)于120萬(wàn)左右的圖片進(jìn)行特征提取，采用了位置敏感哈希LocationSensitiveHash,LSH)，并結(jié)合TF-IDF(Termfrequency-inversedocumentfrequency)的方法，與效果較