基于內(nèi)容的大規(guī)模圖像檢索技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)和數(shù)字成像設(shè)備的普及，積聚數(shù)字圖像的各種網(wǎng)絡(luò)社區(qū)得到了迅速發(fā)展，包含大量圖像的數(shù)據(jù)庫也隨之不斷出現(xiàn)，如何從這些海量圖像數(shù)據(jù)庫中快速檢索出滿足用戶需求的圖像已成為多媒體應(yīng)用領(lǐng)域中一個重要的主題。為了實現(xiàn)精確而快速的圖像檢索，解決圖像檢索中的圖像內(nèi)容精確表示，大規(guī)模檢索的存儲約束以及檢索效率等問題，從圖像描述符，近似最近鄰檢索以及高維向量索引等幾個方面進行了深入的研究。
　　針對全局描述符VLAD的區(qū)分度與存儲大小之間的矛盾

2、，提出了一種增強的圖像描述符，其通過兩層視覺碼書來生成圖像的VLAD描述符，即圖像的局部特征的殘差向量基于細(xì)粒度的第二層視覺子碼書而產(chǎn)生，而殘差向量的累積基于粗粒度的第一層視覺子碼書。另外，針對圖像局部特征非均勻分布，對第二層視覺子碼書提出了優(yōu)化措施。實驗結(jié)果表明，兩層碼書及優(yōu)化策略能顯著提高固定大小的VLAD描述符的區(qū)分度。
　　針對在向量原始空間訓(xùn)練量化器及向量量化編碼時間開銷過大的缺陷，設(shè)計了殘差投影量化器，并將其用于近似最

3、近鄰檢索。殘差投影量化器由多階段子量化器組成，在每一個階段子量化器訓(xùn)練過程中，借助主成分分析將高維向量投影到低維空間，并通過K均值聚類算法在低維空間生成子量化器的視覺碼書，量化產(chǎn)生的殘差則反投影到原始空間用于訓(xùn)練下一階段子量化器。另外，以訓(xùn)練階段和量化階段的總體誤差最小化為目標(biāo)，提出了相應(yīng)階段的優(yōu)化措施。查詢時，所采用的非對稱距離計算及查找表很好的滿足了大規(guī)模高維向量檢索的精度和效率需求。
　　為了提高檢索效率，提出了基于二級鄰接

4、圖的索引結(jié)構(gòu)。第一級鄰接圖反映的是轉(zhuǎn)換積量化器視覺碼書和數(shù)據(jù)庫向量的近鄰關(guān)系，用于快速生成查詢的近鄰種子，在第一級鄰接圖的生成過程中，采用逆向生成模式，即先將數(shù)據(jù)庫向量分配給轉(zhuǎn)換積量化器的多個最近鄰視覺碼字，然后，再為每個視覺碼字保留少數(shù)幾個最近鄰數(shù)據(jù)庫向量。第二級鄰接圖反映的是數(shù)據(jù)庫向量到自身的近鄰關(guān)系，用于近鄰傳遞，為了快速生成第二級鄰接圖，采用了一種基于劃分樹的鄰接圖近似構(gòu)建算法。基于二級鄰接圖進行查詢時，對于給定的查詢向量，先快

5、速檢索到該查詢向量在轉(zhuǎn)換積量化器視覺碼書中的最近鄰視覺碼字，并基于第一級鄰接圖的鄰接關(guān)系快速生成查詢向量的最近鄰種子，對每一個最近鄰種子，基于第二級鄰接圖的鄰接關(guān)系實現(xiàn)近鄰傳遞，重復(fù)上述過程直到檢索到的最近鄰個數(shù)滿足指定的閾值為止。基于二級鄰接圖的不完全檢索很好的解決了大規(guī)模檢索的實時需求。
　　基于內(nèi)容的大規(guī)模圖像檢索需要研究的問題還有很多。在圖像描述符方面，如何融合多種視覺特征用于生成圖像描述符以更好的表達圖像內(nèi)容是需要進一步