基于按类视觉词袋模型与标签投票的图像检索.pdfVIP

Microcomputer Applications Vol.31, No.3, 2015 研究与设计 微型电脑应用 2015 年第31 卷第3 期 文章编号：1007-757X(2015)03-0004-04 基于按类视觉词袋模型与标签投票的图像检索 张旺，顾晓东，陆灏源 摘 要：视觉词袋模型在基于内容的图像检索中已经得到了广泛应用，然而对于自然图像的检索，由于图像目标视角多样、 背景复杂、光照多变等原因，传统的视觉词袋模型的检索准确率仍然比较低。提出一种按类视觉词袋模型，即采用按照图像 中目标物体的类别进行分组训练视觉词，从而提高视觉词的表征能力，改善检索效果；并根据检索返回图像的标签，以投票 方式对查询目标做出判别，辅以标签检索，从而较大地提高了检索结果的准确率。 关键词：视觉词袋模型；按类视觉词袋模型；标签投票；图像检索 中图分类号：TP391.3 文献标志码：A A Combination of Bag of Categorized Visual Words and Tag Voting Based Image Retrieval Zhang Wang, Gu Xiaodong, Lu Haoyuan (Department of Electronic Engineering, Fudan University, Shanghai 200433, China) Abstract: Bag of visual words model has been wildly adopted for content based image retrieval. However, regarding natural scene image retrieval, traditional bag of visual words model still bears relatively low retrieval precision, in the presence of various and complicated viewing angle, background, and illumination conditions. In this paper, a bag of categorized visual words model is pro- posed. In this model, words are obtained from categorized objects to improve its description ability and therefore improve retrieval accuracy. Thereafter tag voting is also employed to judge the query object from retrieved image, and tag retrieval is auxiliary to im- prove the retrieval performance. Key words: Bag of Visual Words; Bag of Categorized Visual Words; Tag Voting; Image Retrieval 0 引言 型在图像检索中的几个致错因素包括：特征检测遗漏、描述 子的噪声、描述子的量化误差。 图像作为一种信息载体，相比于文字，具有表达内容丰 文献[3] 比较了规则网格型 SIFT 特征（Regular grid 富直观的优势，当今互联网技术的快速发展也为图像的传播 SIFT,or Dense SIFT）、随机采样 SIFT 特征、兴趣点提取的 提供了有利条件。在以指数形式快速增长的网络图像时代 SIFT 特征以及 DoG 描述子的 SIFT 特征在图像分类中的效 下，图像的检索技术也成为了研究热点。对于图像检索，主 果，表明了规则网格型