论文部分内容阅读
基于多特征融合的图像检索能够有效克服基于单一特征类型的图像检索对图像描述分辨能力不足的缺点,因而人们更多采用多种特征来共同描述图像内容,利用互补特征表达图像信息,能够有效地提高检索准确度。图像特征的种类与融合方式多种多样,因此研究互补的特征组合与高效的融合方式,对于提高图像检索精确度意义重大。而图像的局部不变特征本身稳定而高效,综合图像局部特征对图像内容进行描述意义重大,但是Bag-of-features特征存在一定的信息损耗,降低了检索准确度。因此本文在分析改进Bag-of-features特征的同时,提出了一种融合图像多类特征的综合描述子,并设计与实现相应的图像检索原型系统验证算法的有效性。首先,为了应对Bag-of-features特征存在的信息损耗,本文提出了一种图像局部特征表示算法——DIST Bag-of-features。该算法采用构建多尺度Dense SIFT特征提取算法获得局部不变特征,特征量化保存了每张图像所有视觉词汇与所属局部特征点的距离信息。DIST Bag-of-features特征以更小的词典,映射得到具有分辨能力的图像局部特征表示向量。将DIST Bag-of-features特征用来描述图像,能更准确地描述图像的局部特性,提升检索准确度。其次,针对单一类型特征分辨能力不足的问题,本文提出了一种图像综合特征描述子,利用CNN特征获取图像的语义信息,加权融合CNN等多类特征,共同描述图像内容,进一步增强检索准确度。本文组合颜色与纹理特征、DIST Bag-of-features特征以及CNN特征来描述图像,以更全面地获取图像信息。本实验选取Corel1K与Corel10K图像数据库进行试验,测试结果验证了本方法的有效性。最后,综合本文提出的综合特征描述子与DIST Bag-of-features图像局部特征表示算法,设计并实现了一个图像检索原型系统,包括离线多特征提取与特征数据库建立模块、多特征加权因子设定模块、图像在线查询模块。通过实验验证了本文基于DIST Bag-of-features特征与同类型的基于Bag-of-features特征算法相比,检索查准率从62.44%提升到72.89%;基于本文综合特征描述子与基于拼接特征描述子相比,检索查准率从82.60%提升到84.67%。有效验证了本文综合特征描述子与DIST Bag-of-features图像局部特征表示算法的有效性。