图像描述子和高维空间特征检索.pdfVIP

  A Dissertation Submitted to Shanghai Jiao Tong University for the Degree of Engineer Master IMAGE DESCRIPTORS AND FEATURE RETRIEVAL IN HIGH DIMENSIONS         Author ：Jinlong Song  Specialty: Pattern Recognition and Artificial Intelligence  Advisor : Prof. Fuqiao Hu        School of Electronics and Electric Engineering  Shanghai Jiao Tong University  Shanghai, P.R.China  January 18, 2010   图像描述子及高维特征检索 摘 要 随着数码产品的普及以及网络社区的快速发展，传统的基于关键词的 图像检索已经不能满足用户的需要，基于内容的图像检索能更形象，更 精确的返回用户所需图片，已经成为计算机视觉,模式识别,人工智能领 域的一个研究热点。本文主要讨论了图像描述子以及高维空间的特征检 索。 图像描述子部分简单回顾了几种常见全局特征，包括颜色，纹理，形 状特征。重点介绍了基于特征点的特征描述子，包括特征点的检测方法 以及如何在特征点检测阶段解决图像的尺度变化问题，如DoG detector, Hessian detector等。并介绍了经典的SIFT，SURF 的描述子构造方法， 以及该描述子如何解决图像的旋转及光照变化问题。 高维特征检索部分重点介绍了目前比较经典的三种检索框架，多示例 学习，语义树以及 Local Sensitive Hash,以及基于这些框架的改进工作， 分析了三种框架实现高维空间快速检索的理论依据。三种框架在基于内 容的图像/视频，文档，网页等检索，分类领域中均取得很好的实验效果。 重点介绍了本文提出的基于类内均方差的动态 vocabulary tree 结构 的构建方法，分析了该方法解决类内数据量较大但数据比较紧密以及数 据量较小但数据较分散两种情况下的如何构建更合理的vocabulary tree 结构。本文的另一创新是提出了新的结构框架 feature forest，当图像 库比较大时，图像内容变化较大，一种特征很难对所有图片内容都有较 第   I 页        好的描述能力，这也是导致基于内容的图像检索的检索效率低的一个 重要原因。f