基于SIFT算法二进制图像检索技术研究.docVIP

基于SIFT算法二进制图像检索技术研究 　　摘要：基于文本的图像检索技术已经不能满足人们的需求，基于内容的图像检索技术将是未来图像处理领域的研究热点。将基于局部特征提取的特征提取算法（SIFT）跟DOG算子结合，运用于MPEG-7数据库的二进制图像的检索，得到了很好的图像匹配结果。 　　关键词：图像检索；SIFT；二值图像 　　中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2015）17-0155-03 　　SIFT-Based Image Retrieval For Binary Images 　　LIU Chen， ZHANG Jian-min 　　（College of Data and Information Engineering， Guizhou University， Guiyang 550003， China） 　　Abstract： Text-based image retrieval technology already cannot satisfy peoples needs， Content-based image retrieval technology will be the center topic in the field of image processing. Combined the Feature extraction algorithm based on local feature extraction （SIFT） with DOG operator， Applied to binary image retrieval based on MPEG - 7 database. Obtained good image matching results. 　　Key words： image retrieval； SIFT； binary images 　　在早期，文本检索技术是图像检索主要的方式，也就是基于文本的图像检索（text-based image retrieval，简称TBIR）。该引擎使用一系列的关键字来标注网站和网页中的内容查询时，用户输入关键字后，搜索引擎会根据关键字索引到相应的网址或者网站。首先，TBIR的缺点就是速度慢，每一张图片都需要人工标注关键字，随着图像数量增大，需要进行检索的图像库规模越来越大，人工标注的难度越来越大。其次，由于人的主观因素影响，不同的人对同一幅图像的信息理解可能存在着很大的不同，使得其没有一个统一的标注标准，这样更是加大了人工关键字标注的难度[1]。 　　为了解决上述的TBIR方法所存在的各种问题，到了20世纪的80年代，研究者们提出来了一种新的技术――基于内容的图像检索技术（content-based image retrieval，简称 CBIR）。这种方法只需要利用图像的一些自身的特征，如颜色、纹理、布局等，然后利用图像处理技术和技术及视觉算法来提取这些图像特征，这样的方法就有着很高的处理速度和很强的客观性[2]。 　　一个高效的、自动化的CBIR系统是非常有必要的，它可以根据用户的需求有效检索图像以及把图像按照相似度排列起来。一般地，如果正在研究的图像类型是轮廓，则二值图像是更恰当的，本文提出了一种提取给定的二值图像特征的方法。通常情况下，二值图像是由两种颜色组成，黑和白。对于CBIR系统，使用的二进制图像相比于使用实值位运算有很多的优势，这些优势包括操作简单，储存成本低以及加工速度快等。 　　本文介绍一种基于SIFT算法的关键点匹配技术，且只研究对二进制图像的检索。SIFT是一种基于局部特征提取和描述的算法，全称是尺度不变性变换（scale invariant feature transform），主要思想就是将图像之间的匹配转化成特征点向量之间的相似性度量[3]。 　　1 尺度不变性变换（SIFT） 　　SIFT算法由四个主要阶段组成：（1）建立尺度空间并检测其极值点。（2）精确定位特征点。（3）制定每个特征的主方向参数。（4）生成SIFT描述符。下面将具体介绍这四个步骤。 　　1.1建立尺度空间并检测其极值点 　　首先通过尺度空间理论对图像的多尺度特征进行模拟极值点检测，在多尺度空间下进行SIFT特征提取，图像的尺度空间可以定义为： 　　图1 构造图像尺度空间和DOG空间 　　如图1所示，一般说来，高斯金字塔的图像为[O]组，每组中包含高斯平滑图像奇数张（[S]张） ，相同的组内相邻图像尺度因子大小的比例为[K]，相邻的高斯平滑图像进行相减就可以得到高斯差分图像。对第[N]组高斯平滑图像?样可以得到第[N+1]组小高斯平滑图像，对相邻的图像重复的进行相减就可以得到高斯差