基于內(nèi)容的大規(guī)模圖像索引與檢索方法研究.pdf

1、互聯(lián)網(wǎng)和多媒體技術(shù)的快速發(fā)展使得以圖像為代表的多媒體數(shù)據(jù)呈現(xiàn)爆炸性的增長。豐富的圖像資源在帶來巨大便利的同時，存在著亟待解決的問題：面對海量的圖像數(shù)據(jù)，如何幫助人們從中快速地獲取他們真正感興趣的圖像，尤其是那些很難用傳統(tǒng)文本來清晰表達(dá)的圖像。在此背景下，本文對基于內(nèi)容的大規(guī)模圖像索引與檢索的主要關(guān)鍵技術(shù)進行了系統(tǒng)研究。
　　針對特征硬分配的單詞不確定性和單詞疑惑性兩個問題，提出了一種超球軟分配方法。該方法為每個視覺單詞構(gòu)造一個以其

2、為球心的超球體，半徑為該視覺單詞對應(yīng)聚類中最遠(yuǎn)特征點到聚類中心的歐式距離。根據(jù)圖像的局部視覺特征與各視覺單詞對應(yīng)超球體的空間位置關(guān)系將其分配到相應(yīng)的近鄰視覺單詞。通過將超球體軟分配與圖像局部聚合描述向量計算方法相結(jié)合用于生成圖像描述符，實驗結(jié)果表明超球體軟分配能有效地提高圖像描述符的準(zhǔn)確性。
　　為了提高圖像視覺特征的近似表示精度和降低圖像視覺特征的存儲空間需求，提出了一種增強型殘差量化方法并將其用于構(gòu)建多維倒排索引，有效地提高了

3、構(gòu)建倒排索引的效率。增強型殘差量化通過訓(xùn)練多層碼書來近似表示圖像特征，并且在訓(xùn)練過程中，通過聯(lián)合優(yōu)化使每層量化器的碼書在訓(xùn)練時都考慮圖像視覺特征的總體量化誤差并使其最小化。針對增強型殘差量化對圖像視覺特征進行量化過程中精確最近鄰聚類中心查找的效率問題，提出了一種基于下限過濾的精確最近鄰查找方法。該方法將圖像視覺特征從高維空間映射到低維空間，并在低維空間中通過計算特征之間歐式距離的下限來過濾非近鄰聚類中心，減少特征量化的時間開銷?；谠鰪?/p>

4、型殘差量化，利用多層碼書中聚類中心的組合關(guān)系設(shè)計了一種多維倒排索引結(jié)構(gòu)，使得只需要少量的聚類中心就可以構(gòu)建規(guī)模較大倒排索引結(jié)構(gòu)。實驗結(jié)果表明，較現(xiàn)有方法，增強型殘差量化可以顯著降低圖像特征近似表示的誤差并能提高圖像特征檢索的精度和速度。此外，基于下限過濾的向量量化方法可以有效地提高增強型殘差量化的特征量化效率。
　　為了提高圖像視覺特征檢索速度，提出了完全過濾自適應(yīng)檢索和不完全過濾自適應(yīng)檢索兩種基于超球體過濾的自適應(yīng)檢索方法。根據(jù)

5、查詢特征所在的空間位置，完全過濾自適應(yīng)檢索通過構(gòu)造以查詢特征點為球心的超球體并自適應(yīng)地計算半徑，只對位于超球體內(nèi)部的特征進行排序，從而過濾掉非相似特征。在此基礎(chǔ)上，不完全過濾自適應(yīng)檢索將各倒排列表劃分為若干個子類并將對應(yīng)的聚類中心用于過濾非相似特征，從而降低了非相似特征過濾的時間開銷。實驗結(jié)果表明，在保證與現(xiàn)有方法具有相同檢索精度情況下，完全過濾自適應(yīng)檢索和不完全過濾自適應(yīng)檢索都能明顯減少查詢時間。此外，不完全過濾自適應(yīng)檢索比完全過濾自

6、適應(yīng)檢索具有更快的檢索速度。
　　基于內(nèi)容的大規(guī)模圖像索引與檢索需要研究的問題還有很多。在圖像描述符方面，如何同時結(jié)合圖像的低層視覺特征和高級語義特征用于生成圖像描述符以更好地表達(dá)圖像內(nèi)容是需要進一步研究的問題。在圖像特征量化和編碼方面，增強型殘差量化方法是在圖像視覺特征的原始維度上進行的，如何將高維圖像視覺特征從高維空間映射到低維空間并運用增強型殘差量化方法的同時，考慮映射圖像視覺特征產(chǎn)生的誤差需要進一步研究。在索引結(jié)構(gòu)上，目前