面向大型數(shù)據(jù)集的近似圖像搜索研究.pdf

1、從現(xiàn)有的圖像描述和大規(guī)模近似圖像搜索方法主要是基于全局特征和基于局部特征兩大類。由于局部特征能夠更好的展現(xiàn)和利用局部圖像的圖案和紋理，流行的BoW和詞匯樹方法在找尋近似圖像或區(qū)域上很有優(yōu)勢，但是也存在著存儲所需的代價較大，且匹配算法計(jì)算復(fù)雜度較高的問題。而圖像的全局特征在表示圖像上具有簡潔、所需存儲空間小的優(yōu)點(diǎn)，因而也被多數(shù)現(xiàn)有的近似圖像搜索系統(tǒng)所采用，但是又對圖像視點(diǎn)平移、尺度變化以及局部遮擋、修改等變化特別敏感，對局部物體的描述能力

2、較弱。顯然可以看出，兩類方法都各有所長，又有互補(bǔ)的特點(diǎn)。對于這兩個方面單獨(dú)的研究很多，然而專注于融合局部特征和全局特征的文獻(xiàn)并不多，有也是在特征和排序上著手的。本文的創(chuàng)新成果如下:
　　首先我們提出了一個新的應(yīng)用二進(jìn)制“指紋”(Fingerprint)來定義視覺單詞和索引特征的方法。Fingerprint是一個32位的向量，是通過128維的sift局部特征來提取的，經(jīng)過編碼，轉(zhuǎn)化為一個二進(jìn)制數(shù)，然后通過直方圖相交的方法來衡量兩幅圖

3、的相似度。由于Fingerprint的構(gòu)建是一個低復(fù)雜度的過程，這個方法效率很高，對于大規(guī)模數(shù)據(jù)集也有很好的可擴(kuò)展性。另外，在詞匯量足夠大，保持較高的效率下Fingerprint定義的視覺單詞比聚類得到的視覺單詞更具有辨別力和準(zhǔn)確性。
　　然后提出了一個基于圖的查詢特征融合的大規(guī)模近似圖像搜索模型。每次搜索，我們把用一個搜索方法得到的數(shù)據(jù)集轉(zhuǎn)化為無向圖，搜索的質(zhì)量和相關(guān)性是通過兩個近似圖像的Jaccard相似參數(shù)來對圖的邊進(jìn)行加權(quán)