基才高维局部特征和LSH索引的图像检索技术.pdfVIP

第 19卷 第 20期 电子设计工程 2011年 1O月 Vo1．19 No．2O ElectronicDesignEngineering 0Ct．2011 基矛高维局部特征和LSH索引的图像检索技术 刘 婉 ，徐望 明 ，石汉路 (武汉科技大学 信息科学与工程学院，湖北 武汉 430081) 摘要 ：基于内容的图像检索(CBIR)技术使从海量图像资源 中快速高效地提取有价值 的信息得以实现 ．采用局部特征 来表示 图像并在此基础上进行 图像相似性检索是当前的热 门研究课题 。文 中将 图像高维局部不变特征提取算法和 LsH索引算法应用到基于 内容的图像检索系统中，实验结果表明了该方法 的有效性 。 关键词：基于内容的图像检索；局部不变特征 ； H索 引；相似性 中图分类号 ：TP391．4 文献标识码 ：A 文章编号 ：1674—6236(2011)20—0110—03 Imageretrievalbasedonhip-dimensionallocalfeaturesandLSH indexing LIU Wan，XUWang-ming，SHIHan-lu (CollegeofInformationScienceandEngineering，WuhanUniversityofSceinceandTechnology，Wuhan430081，China) Abstract：ThetechnologyofContent-basedImageRetrieval (CBIR)makesitrealizedtoextractusefulinformationfromhuge imageresources．Ithasbecomeahotresearchtopicatpresentthatsetsoflocalfeaturesayeusedtorepresentimagesfor content-basedsimilarityretrieva1．Inthispaper，thealgorithmsofhigh—dimensional localinvariantfeatureextractingandlASH Indexingareusedinthesystem ofCBIR．Theexperimentalresultsshowtheeffectivenessoftheproposedmethod． Keywords：content-basedimageretrieval；localinvariantfeature；LSH indexing；similarity 在如今信息化 的时代 ．图像资源 日益丰富．如何从海量 一 条有效途径 ，可用来解决主存储器 中高维特征的 “近似近 图像资源里快速有效地获取有价值 的信息 ，是亟需解决的问 邻 ”(ANN，ApproximateNearestNeighbor)搜索 问题 。 题。传统的基于文本的图像检索技术 (TBIR)因其 自身的局限 文 中将 图像局部不变特征 SI兀’和高维特征索引算法 性而无法从根本上解决这个问题。20世纪90年代．计算机视 LSH相结合应用于基于内容的图像检索 ，通过实验验证 了即 觉技术被应用到 图像检索中，由此产生 了基于 内容的图像检 使在特征维数 比较大时，仍能取得较好 的检索效果。 索技术 (CBIR)，其关键在于：一是提取可靠 的图像特征来表 1 算法描述 征图像 的视觉 内容 ，二是根据图像数据库规模寻找有效的特 征索引和相似性匹配算法。 1．1 SⅡ 算法 描述 图像视觉 内容 的全局特征如颜 色 (Color)、形状 SIF1’(ScaleInvariantFeatu