基于SIFT特征点改进聚类的图像检索方法研究.docVIP

基于SIFT特征点改进聚类的图像检索方法研究 　　摘 要：由于SIFT特征点能对图像局部特征进行合理、精确描述，有效使用SIFT特征点实现基于内容的图像检索成为当前计算机视觉领域中的热点问题。针对该问题，提出一种基于SIFT特征点的改进聚类的图像检索新方法。该方法包括图像颜色转换、特征点改进聚类算法，以及基于该算法的更有效的灰度直方图构建方法。与现有基于流光法的检索方法相比，该方法能有效解决聚类后特征点分组不确定和依赖特征点颜色信息和空间信息权重的问题。从公共图像库上的实验结果可以看出，该方法与现有方法相比具有较高的检索精度。 　　关键词：图像检索；SIFT特征点；聚类算法 　　DOI：10.11907/rjdk.171512 　　中图分类号：TP317.4 文献标识码：A 文章编号：1672-7800（2017）009-0188-04 　　Abstract：Because SIFT feature points can represent the local feature of images effectively and accurately， how to realize content-based image retrieval by SIFT feature points is a hot issue in the computer vision. So， a novel image retrieval method based on the improvement combinatorial clustering of SIFT feature points is proposed. The proposed method consists of image color space transformation， improvement combinatorial clustering algorithm of SIFT feature points and effective local color histogram building approach. Compared with existing methods based on FLOW feature points and local color histogram， the proposed method can solve the problem that uncertain sets of feature points after clustering and existing methods are sensitive to the weight of position and the color of feature points. According to experimental results on public image database， it can be seen that the proposed method is more effective than existing methods. 　　Key Words：content-based image retrieval； SIFT feature points； improvement combinatorial clustering 　　0 引言 　　基于?热莸耐枷窦焖饕恢笔羌扑慊?视觉领域的研究热点[1-2]，其实现主要是通过抽取图像特征来表示图像内容，通过计算特征间的相似性来表示两幅图像是否相似，从而找出与检索条件最为相似的图像。近年来，基于特征点的局部特征能有效描述图像内容[4]，因此被广泛应用于图像检索中。 　　在已有特征点的基础上，再通过局部颜色直方图，既可实现对像素点颜色进行取值统计，又不会忽略像素点的空间分布特征。基于特征点组合聚类图像检索方法的主要思想是根据视频流光算法或者SIFT算法得到图像的特征点；然后根据聚类的思想[3]对特征点的颜色和空间位置进行聚类分组，得到一系列特征点集合；每个集合构建一个局部颜色直方图，通过计算局部颜色直方图之间的距离来表示图像间的相似性[4]。虽然这种方法具有一定的有效性，但仍存在以下问题：①图像特征点聚类分组依赖像素点的颜色信息和空间信息，颜色信息和空间信息权重对结果的影响很大；②图像特征点聚类后特征点分组结果不确定，计算图像的相似度时影响比较大；③计算图像相似性时，局部直方图的距离算法没有充分考虑特征点分组后的空间信息；④在聚类和匹配过程中没有对算法进行优化，匹配速度较慢。 　　针对上述存在的一些问题，本文基于SIFT特征点的空间信息聚类方法，在聚类时不用考虑颜色信息和空间信息的权重问题，而且匹