基于雙關(guān)鍵字的圖像檢索模型及系統(tǒng).pdf

1、隨著數(shù)字圖像信息的爆炸式增長，用戶對多媒體搜索的需求也越來越強烈。傳統(tǒng)的圖像檢索技術(shù)，是利用圖像周圍的文本信息對數(shù)據(jù)庫進行檢索，但由于視覺特征與文本特征之間存在著“語義鴻溝”，很容易影響搜索結(jié)果的相關(guān)性，因此基于內(nèi)容的圖像檢索逐漸成為計算機視覺領(lǐng)域的研究熱點。
　　 傳統(tǒng)的bag of features圖像檢索模型對于圖像檢索存在兩方面的問題：一是高維視覺特征被量化為視覺關(guān)鍵字時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

2、bag of features模型將圖片看作是視覺關(guān)鍵字的集合，忽略了特征之間的空間位置關(guān)系。本課題針對第一個問題，基于bag of features模型，通過結(jié)合SIFT與CS-LBP特征描述符，提出了基于雙關(guān)鍵字索引的圖像檢索模型。在雙關(guān)鍵字圖像檢索模型中，利用SIFT與CS-LBP兩種特征描述同一特征區(qū)域，可有效提高視覺關(guān)鍵字的區(qū)分力，彌補特征量化的精度損失。同時雙關(guān)鍵字檢索模型使用雙碼書實現(xiàn)特征量化，在同等關(guān)鍵字規(guī)模的條件下，可

3、有效減少量化時間。為了提高搜索的準確率，本文提出了基于雙關(guān)鍵字檢索模型的海明碼嵌入技術(shù)與基于距離權(quán)重的軟量化技術(shù)，并通過實驗證明這些技術(shù)有效增強了雙關(guān)鍵字圖像檢索模型。同時，本文以雙關(guān)鍵字圖像檢索模型實現(xiàn)了基于內(nèi)容的圖像檢索系統(tǒng)，并以檢索系統(tǒng)為平臺開發(fā)了移動客戶端的專輯搜索應(yīng)用。在實驗部分，本文利用INRIA Holidays標準數(shù)據(jù)集在120K規(guī)模的數(shù)據(jù)庫上將雙關(guān)鍵字檢索算法與原始bag of features模型進行了對比，實驗結(jié)果