基于內(nèi)容的文物圖像檢索系統(tǒng).pdf

1、在數(shù)字化信息時代，面對龐大的數(shù)據(jù)，檢索成為提取有效信息的重要手段。圖像檢索是一種廣泛應(yīng)用的技術(shù)，百度，谷歌最早進(jìn)入了這一領(lǐng)域。早期圖像檢索以人為方式對圖像進(jìn)行語義分析，給定文本描述，檢索時通過關(guān)鍵字實現(xiàn)匹配。但是，隨著數(shù)據(jù)越來越龐大，人工成本越來越高，人工參與標(biāo)注的方法變得不切實際且效率并不高。于是，基于圖像內(nèi)容的檢索方法被提出?；趫D像內(nèi)容的檢索方法能夠排除人工參與因素，計算機(jī)直接對圖像自身特征進(jìn)行分析，給定一張圖像，經(jīng)計算機(jī)特征提取

2、處理后與數(shù)據(jù)庫中的圖像信息進(jìn)行匹配，從而找到其相似的圖像。本文將基于內(nèi)容的圖像檢索方法應(yīng)用到文物圖像檢索系統(tǒng)中，提出了SIFT特征二階檢索算法的使用，以圖像的SIFT特征為檢索算子，對圖像進(jìn)行處理匹配，達(dá)到檢索的目的。主要內(nèi)容如下:
　　(1)文物圖像進(jìn)行SIFT特征的提取，對每張圖像進(jìn)行提取運(yùn)算，獲取特征點(diǎn)為包含空間位置等信息的128維向量，將提取的全部特征點(diǎn)存放于計算機(jī)文本中待用。
　　(2)對提取的特征點(diǎn)進(jìn)行聚類，成千

3、上萬的特征點(diǎn)并不能帶來高效的檢索，因此，需要對這些特征點(diǎn)進(jìn)行高效的降維，聚類出視覺特征詞。K-Means能對這些特征進(jìn)行聚類，通過自動迭代計算尋找出它們的中心。最后將每張圖像的特征在這些聚類后的中心點(diǎn)上做投影計算，建立一張二維的特征分布詞頻表，表中可以得到圖像特征在這些視覺特征詞上的分布，至此檢索算法的準(zhǔn)備工作完成。為了能減少構(gòu)建詞頻表的時間，本文通過加入哈希函數(shù)改進(jìn)了詞袋算法，加快了詞頻表構(gòu)建速度。
　　(3)二階檢索的第一階通

4、過詞頻表，以歐氏距離為相似度檢索尋找出圖像特征分布相似的圖像，以此來提高檢索效率，第二階根據(jù)兩張圖像“對應(yīng)”特征點(diǎn)落于同一特征類的數(shù)量與圖像自身特征點(diǎn)總數(shù)的比例實現(xiàn)精確檢索，提高圖像檢索的準(zhǔn)確率。
　　圖像SIFT二階檢索算法應(yīng)用到了實際的文物圖像檢索系統(tǒng)中，本文進(jìn)行了大量實驗，測試算法的實際檢索效果。實驗為在擁有一萬張文物圖像的圖像庫中檢索出相似圖像。實驗結(jié)果表明，該方法具有很好的查全率，改進(jìn)的詞袋法在建立詞頻表的時候加快了構(gòu)建