基于内容的大规模图像检索基本方法.pdfVIP

基于内窨硇大规模图像楦索基本方法 中国华为技术有限公司 徐 磊 [摘 要]基于内容的图像检索方法是利用互联网上大量的图像信息，以计算机视觉、信息检索、统计学习等理论为基础，发展图像 内 容的提取和检索技术。本文主要针对提取的显著点和特征缺乏语义信息的问题，提出将显著点和SVM相关反馈结合的图像检索方法。 [关键词]图像检索 特征提取 显著点 相关反馈 1．引言 书。聚类算法是将向量集合分组为若干子集。算法的目标是创建聚类 基于内容的图像检索(content—basedimageretrieval，简称CBIR)与 使得聚类内部的向量具有某种相似性而聚类之间的向量具有某种区 基于文本的图像检索(text—basedimageretrieval，简称TBIR)完全不同， 别。也就是说，在一个聚类中的向量应该尽可能的相似，而不处在一个 不需要人工的介入。CBIR利用图像 自身的视觉特征，如图像的颜色 、 聚类中的向量应该尽可能的不同。 纹理 、布局等，这些特征通过图像处理与计算机视觉算法 自动检测和提 取，具有较高的处理速度以及较强的客观性，然后利用这些特征来索引 图像库中的每一张图像。检索的时候用户通常是提供一个图像样例而 不是提供关键字 ，系统从样例图像中自动提取同样的视觉特征 ，然后与 数据库中所有的特征比对，并将与样例图像特征相似的图像作为结果 返回给用户 “。 早期的研究工作主要关注如何有效地从图像中提取特征。然而， 经过近十年的研究发现，要定义出一种非常有效的视觉特征来描述图 像中表示的物体 、场景、概念是非常困难的 ，即图像中的低层信息特征 (如纹理 、线条 、颜色等)无法有效的对图像高层语义进行描述。一个解 决方法是在更小的粒度上进行图像检索，该方法称为基于区域的图像 图1SIFT描述符提取方法 检索 (region—basedimageretrieval，简称RBIR)。RBIR仍然处于CBIR的 K均值算法迭代运行分为两个步骤： 框架之中。它首先通过图像分割技术将一幅图像分为若干个子区域 1)将向量复制给与其距离最近的聚类重心所在的聚类； (例如图像中的每个单独的物体所 占据的像素联通区域标识为一个区 2)每个聚类根据重新设置的向量计算新的聚类重心。 域)，使得其中每个子区域具有独特的语义，利用这些语义信息的集合 2．2基于全局描述符的图像检索方法 来对图像建立索引。查询图像经过相同的处理方式得到类似的一组语 全局描述符的优点是可以以紧凑的描述符向量表示图像，每幅图 义信息，然后系统通过比较这些语义信息集合的相似度来确定图像之 像对应高维特征空间中的一个点，从而可以使用很多经典的算法对图 间的相似度。 像匹配问题进行处理，如高维空间中的最近邻检索可以用来完成图像 与通常的图像检索问题相 比，图像检索的大规模主要是两个方面： 和图像之间的匹配检索。 数据的大规模化和检索的实时性 ，随之带来两个问题： 2．2．1高维向量近似最近邻搜索 1)如何高效地从大规模图像中提取特征信息； 当图像通过全局描述符表示为高维空间中的一个点时，图像检索 2)如何构建一个满足海量数据实时检索的索引结构。 问题就转换为高维向量的最近邻 (nearestneighbor，简称NN)搜索问题： 大规模图像检索问题的主要工作： 数据库中的所有图像对应于高维空间中的一组点，当查询图像提交时， 1)从海量数据中提取特征信息。TBIR、CBIR和RBIR分别从不同 查找与该图像对应点最近的一个或者若干个点。 的角度理解图像并从中提取信息。TBIR由于其准确性和需要人工介 2．2．2高维向量线性降维 入并不适合从大规模图像中提取信息，而RBIR由于需要对图像做分 如果高维向量的结构比较稀疏，并且有着比较明显的结构性，一般 割，受 目前图像分割技术的限制也无法应用于大规模图像的特征信息 使用降维技术将向量从