基于詞袋模型的圖像檢索與分類系統(tǒng)的設計與實現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)與存儲技術(shù)的逐步發(fā)展,大規(guī)模圖像集的出現(xiàn)成為必然。如何尋找到快速有效的檢索和分類方法來處理這些內(nèi)涵豐富的圖像成為當下圖像領域的研究熱點。從依賴人工標注的圖像處理到基于顏色、紋理、形狀特征的機器識別,實現(xiàn)了圖像處理人工到智能的跨越,使計算機擁有了一定意義上的“視覺”。尺度不變特征(SIFT)則更符合人類的視覺過程,對視角、光照、尺度、背景變化和噪聲具有良好的不變性。此外,從文本領域引入的算法“詞袋模型”也由于其大大提高了檢索和分

2、類的效率而備受關(guān)注。
　　本文在研究SIFT特征和詞袋模型算法的基礎上,進行大量實驗,設計了基于詞袋模型的圖像檢索和分類實驗系統(tǒng)。本系統(tǒng)以visual studio2012為平臺實現(xiàn)算法,以MFC設計界面,實現(xiàn)了四大功能模塊,包括系統(tǒng)初始化,SIFT輔助功能,即特征點檢測和特征點匹配的演示過程,以及檢索和分類。檢索采用歐氏距離進行相似度度量,以查全率、查準率作為性能評價指標;分類采用支持向量機模型(SVM)實現(xiàn)系統(tǒng)自動歸類,并統(tǒng)計

3、每類圖像的分類正確率。本系統(tǒng)從圖像檢索分類實驗的多個經(jīng)典圖像庫中抽取圖像,組成17個種類共1020幅的圖像庫,每類圖像分測試集和訓練集,分別為20幅和40幅。特征庫由XML結(jié)構(gòu)化語言存儲,實現(xiàn)了特征和圖像的一一對應。本系統(tǒng)允許用戶通過簡單的參數(shù)設置更新系統(tǒng)數(shù)據(jù),便捷地修改圖像庫、改進算法、生成特征庫,也可直觀地觀察檢索和分類效果,為研究者提供了操作簡便、功能完善的實驗平臺。
　　本文從圖像檢索和分類算法的研究意義出發(fā),分析了相關(guān)算