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(zhǎng)，用戶對(duì)多媒體搜索的需求也越來(lái)越強(qiáng)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(duì)數(shù)據(jù)庫(kù)進(jìn)行檢索，但由于視覺(jué)特征與文本特征之間存在著“語(yǔ)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(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn)。
　　 傳統(tǒng)的bag of features圖像檢索模型對(duì)于圖像檢索存在兩方面的問(wèn)題：一是高維視覺(jué)特征被量化為視覺(jué)關(guān)鍵字時(shí)因降維而帶來(lái)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(jué)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(duì)第一個(gè)問(wèn)題，基于bag of features模型，通過(guò)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(jué)關(guān)鍵字的區(qū)分力，彌補(bǔ)特征量化的精度損失。同時(shí)雙關(guān)鍵字檢索模型使用雙碼書實(shí)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(shí)間。為了提高搜索的準(zhǔn)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(guò)實(shí)驗(yàn)證明這些技術(shù)有效增強(qiáng)了雙關(guān)鍵字圖像檢索模型。同時(shí)，本文以雙關(guān)鍵字圖像檢索模型實(shí)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(tái)開發(fā)了移動(dòng)客戶端的專輯搜索應(yīng)用。在實(shí)驗(yàn)部分，本文利用INRIA Holidays標(biāo)準(zhǔn)數(shù)據(jù)集在120K規(guī)模的數(shù)據(jù)庫(kù)上將雙關(guān)鍵字檢索算法與原始bag of features模型進(jìn)行了對(duì)比，實(shí)驗(yàn)結(jié)果