基于SIFT特征向量的图像检索优化-应用数学和力学.PDF

　 ， ３４ １１ Ａｐｐｌｉｅｄ Ｍａｔｈｅｍａｔｉｃｓ ａｎｄ Ｍｅｃｈａｎｉｃｓ　 　 ２０１３年１１月１５ 日出版 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 Ｖｏｌ．３４，Ｎｏ．１１，Ｎｏｖ．１５，２０１３ 文章编号：１０００⁃０８８７（２０１３）１１⁃１２０９⁃０７ ⓒ 应用数学和力学编委会，ＩＳＳＮ １０００⁃０８８７ 基于ＳＩＦＴ特征向量的图像检索优化∗ 肖曼玉，　 卢江虎，　 谢公南 （西北工业大学 理学院应用数学系，西安 ７１００７２） （我刊编委谢公南来稿） 摘要：　 基于ＳＩＦＴ（ｓｃａｌｅ⁃ｉｎｖａｒｉａｎｔｆｅａｔｕｒｅｔｒａｎｓｆｏｒｍ，尺度不变特征转换）向量的图像检索在精度和实 时性方面都与使用者的心理预期有较大的偏差，该文在建树（ｂｕｉｌｄ ｖｏｃａｂｕｌａｒｙ ｔｒｅｅ）、检索、以及匹 配度计算方面做了一些改进，在满足实时性的要求下，提高了检索精度；在建树过程中，重新定义 了ＳＩＦＴ特征向量聚类机制，将分类和 均值聚类法结合起来代替传统的 均值聚类法；在进行图 Ｋ Ｋ 像检索时，直接利用已有欧氏距离信息，减少向量之间距离的计算，对ＳＩＦＴ 向量统一化处理；最后 通过改进单位化处理方法，克服ＳＩＦＴ大数据造成的误差．数值结果表明，改进后ｖｏｃａｂｕｌａｒｙ ｔｒｅｅ 的 节点有更强的差异性，克服了将训练集按数量均分而不是按距离均分和直接决定树的层数的缺 陷；使得检索时间很好地满足了实时性的要求；改进的单位化方法消除了ＳＩＦＴ 大数据的误差，从 而极大地提高了检索精度． 关　 键　 词：　 ＳＩＦＴ；　 图像检索；　 倒排文件；　 均值聚类 Ｋ 中图分类号：　 Ｖ１９；Ｏ３４３．６　 　 　 文献标志码：　 Ａ ＤＯＩ：１０．３８７９／ ｊ．ｉｓｓｎ．１０００⁃０８８７．２０１３．１１．０１０ 引　 　 言 ＳＩＦＴ特征是一种计算机视觉的算法，用来侦测与描述影像中的局部性特征，它在空间尺 ［１］ 度中寻找极值点，并提取出其位置、尺度、旋转不变量．该算法是由Ｌｏｗｅ 在 １９９９年提出来的 关于将图片的特征提取量化成若干组 １２８维向量的方法，其对旋转、尺度缩放、亮度变化保持 不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性，并且具有较强的鲁棒性．在 ＳＩＦＴ特征向量概念提出来之后，主流图像检索技术都是将图片量化为ＳＩＦＴ 特征向量或在某 些应用中使用该向量的改进版本，然后都是用类似于文本检索的方法基于该向量进行检索，最 ［２⁃５］ 后由该向量计算被检索图片和图片库的匹配度 ．在实际应用中，像 Ｇｏｏｇｌｅ 和百度都有上亿 张图片，针对海量图片的情况，大部分技术都是将由这些图片提取的特征向量构造基于树结构 ［６⁃８］ 的数据库，利用树结构的优势来满足在保证精度的条件下进行实时检索的要求 ．流程图如 图１所示． 这主要分为３个阶段： １） 利用训练集将树模型构造出来 ∗ 收稿日期：　 ２０１３⁃０６⁃０８；修订日期：　 ２０１３⁃１０⁃１４ 基金项目：　 国家自然科学基金青年科学基金 作者简介：　 肖曼玉 （１９８０—），女，湖北人，副教授，博士（通讯作者． Ｅ⁃ｍａｉｌ：ｍａｎｙｕｘｉａｏ＠ｎｗｐｕ．ｅｄｕ． ｃｎ）． １２０９ １２１０ 肖　 曼　 玉　 　 　 卢