基于雙關鍵字的圖像檢索模型及系統(tǒng).pdf

1、隨著數字圖像信息的爆炸式增長，用戶對多媒體搜索的需求也越來越強烈。傳統(tǒng)的圖像檢索技術，是利用圖像周圍的文本信息對數據庫進行檢索，但由于視覺特征與文本特征之間存在著“語義鴻溝”，很容易影響搜索結果的相關性，因此基于內容的圖像檢索逐漸成為計算機視覺領域的研究熱點。
　　 傳統(tǒng)的bag of features圖像檢索模型對于圖像檢索存在兩方面的問題：一是高維視覺特征被量化為視覺關鍵字時因降維而帶來的信息丟失，導致特征的區(qū)分力下降；二是

2、bag of features模型將圖片看作是視覺關鍵字的集合，忽略了特征之間的空間位置關系。本課題針對第一個問題，基于bag of features模型，通過結合SIFT與CS-LBP特征描述符，提出了基于雙關鍵字索引的圖像檢索模型。在雙關鍵字圖像檢索模型中，利用SIFT與CS-LBP兩種特征描述同一特征區(qū)域，可有效提高視覺關鍵字的區(qū)分力，彌補特征量化的精度損失。同時雙關鍵字檢索模型使用雙碼書實現(xiàn)特征量化，在同等關鍵字規(guī)模的條件下，可

3、有效減少量化時間。為了提高搜索的準確率，本文提出了基于雙關鍵字檢索模型的海明碼嵌入技術與基于距離權重的軟量化技術，并通過實驗證明這些技術有效增強了雙關鍵字圖像檢索模型。同時，本文以雙關鍵字圖像檢索模型實現(xiàn)了基于內容的圖像檢索系統(tǒng)，并以檢索系統(tǒng)為平臺開發(fā)了移動客戶端的專輯搜索應用。在實驗部分，本文利用INRIA Holidays標準數據集在120K規(guī)模的數據庫上將雙關鍵字檢索算法與原始bag of features模型進行了對比，實驗結果