面向檢索的多視覺特征融合.pdf

1、近幾十年來，伴隨著互聯(lián)網(wǎng)的快速發(fā)展以及智能終端的普及，互聯(lián)網(wǎng)上數(shù)字圖像的數(shù)量呈現(xiàn)爆炸式增長。面對海量的圖像信息，如何快速高效地檢索這些圖像一直是學(xué)術(shù)界和工業(yè)界研究的熱點(diǎn)課題。圖像的特征表達(dá)是基于內(nèi)容的圖像檢索的最基本問題之一。為了提升檢索的準(zhǔn)確度，研究人員從顏色、紋理等不同的角度提出不同的視覺特征表達(dá)來表征圖像。選擇不同的視覺特征對于圖像檢索的準(zhǔn)確度有很大的影響。一般來說，采用具有一定互補(bǔ)性的多種特征進(jìn)行融合是提升圖像檢索準(zhǔn)確度的一種方

2、法。
　　為了把基于不同特征得到的圖像檢索結(jié)果融合在一起，我們有兩個關(guān)鍵的問題需要解決。
　　第一個關(guān)鍵問題是如何使基于不同特征空間的距離度量是可比擬的。因?yàn)橥ǔＪ褂貌煌奶卣?，如SIFT，HSV，CNN特征，算得的距離是不在一個尺度空間的。直接把不在一個尺度空間的“距離”進(jìn)行相加是不合適的。
　　第二個需要關(guān)注的關(guān)鍵的問題是，如何自適應(yīng)的度量不同的特征的有效性。因?yàn)閷τ谀承┎樵儓D像來說，局部特征就能取得較好的檢索結(jié)果

3、。然而對于另外某些查詢圖像，用全局特征比如CNN特征才能夠得到比較好的檢索結(jié)果。對于同一個查詢圖像，我們需要比較并量化不同特征的有效性。
　　基于上面的兩個關(guān)鍵點(diǎn)，我們的工作主要?dú)w納如下:
　　(1)基于圖模型的自適應(yīng)加權(quán)特征融合方法。在此方法中，圖模型把本來在不同尺度空間的距離度量，都統(tǒng)一到一個Graph里面，并用統(tǒng)一的度量方法Jaccard系數(shù)來度量各個圖片之間的相似度。同時為了衡量不同特征的有效性，我們使用PageRa

4、nk算法對不同特征構(gòu)建的圖進(jìn)行分析，并根據(jù)最后得到的PageRank值的分布來衡量不同特征的有效性。最后根據(jù)特征對特定檢索圖像的有效性，完成不同特征構(gòu)建的圖的自適應(yīng)加權(quán)融合。根據(jù)最后融合得到的圖，我們解出最后的圖片檢索排序。
　　(2)基于鄰域相似度分布的自適應(yīng)多特征融合方法。該方法是根據(jù)圖像在給定的視覺特征下的近鄰空間的分布情況，來進(jìn)行特征融合。不同特征對于一個具體的查詢圖像得到的k近鄰的距離空間分布是不一樣的。我們通過探索k近