基于局部不變特征融合的圖像檢索技術(shù)研究.pdf

1、基于內(nèi)容的圖像檢索直接從圖像本身提取能夠描述其內(nèi)容特點(diǎn)的圖像特征，并將其用于圖像間的相似性度量，已成為當(dāng)前計(jì)算機(jī)視覺領(lǐng)域的一個(gè)研究熱點(diǎn)。更重要的是，基于內(nèi)容的圖像檢索有助于構(gòu)建客觀、自動(dòng)、高效的圖像檢索系統(tǒng)，對(duì)于管理互聯(lián)網(wǎng)所產(chǎn)生的海量圖像數(shù)據(jù)具有十分重要的意義?？傮w而言，圖像特征可概括為顏色、紋理、形狀和局部不變特征，與其他特征相比，局部不變特征具有良好的區(qū)分度，對(duì)于圖像變換具有不變性且其對(duì)圖像遮擋表現(xiàn)出一定的魯棒性。由此，局部不變特征

2、被廣泛應(yīng)用于圖像配準(zhǔn)、目標(biāo)識(shí)別、圖像檢索等計(jì)算機(jī)視覺領(lǐng)域中。
　　本論文主要研究基于詞袋（Bag-of-words）模型與Fisher Kernel的局部不變特征融合方法，對(duì)這些方法進(jìn)行分析與總結(jié)，進(jìn)而針對(duì)現(xiàn)有算法中出現(xiàn)的問題采取相應(yīng)的改進(jìn)方法，并將改進(jìn)后的算法應(yīng)用于圖像檢索中。本論文的主要工作和貢獻(xiàn)如下：
　　1.研究基于局部不變特征圖像檢索的一些知識(shí)要點(diǎn)，主要包括局部不變特征提取技術(shù)、基于局部不變特征的圖像相似度度量以及

3、圖像檢索性能的評(píng)價(jià)標(biāo)準(zhǔn)。
　　2.研究詞袋模型的理論知識(shí)以及基于詞袋的局部不變特征融合方法，并根據(jù)該融合方法中存在的缺點(diǎn)，采取如下改進(jìn)方法：
　　1）運(yùn)用Kd-Tree近似最近鄰查找算法提高特征編碼的效率；
　　2）運(yùn)用ZCA白化方法降低編碼系數(shù)各維度間的相關(guān)度；
　　3）運(yùn)用冪律歸一化方法平滑圖像表示向量，降低頻率較高的圖像內(nèi)容比重；
　　4）運(yùn)用稀疏自編碼器對(duì)圖像表示向量進(jìn)行優(yōu)化，進(jìn)一步去除向量間的冗余

4、信息同時(shí)增強(qiáng)其描述能力。通過實(shí)驗(yàn)驗(yàn)證，改進(jìn)算法的檢索性能有較大的提高。
　　3.重點(diǎn)研究和分析基于Fisher Kernel的局部不變特征融合方法，并提出基于局部約束線性編碼的費(fèi)希爾向量。首先，針對(duì)高斯混合模型在高維數(shù)據(jù)空間存在的局限性，運(yùn)用稀疏表示模型建模局部描述子的產(chǎn)生過程，推導(dǎo)出聯(lián)合稀疏表示模型與Fisher Kernel模型的費(fèi)希爾向量表達(dá)式；其次，針對(duì)稀疏編碼存在的計(jì)算效率低、缺乏空間結(jié)構(gòu)信息等問題，利用局部約束線性編碼