基于内容的图像检索系统的设计与实现.docx

经典专科、本科、硕博、研究生、期刊毕业论文 仅供参考 精心整理 仅供参考 勿用作商业用途 目录 TOC \o "1-3" \h \z \u 摘　要 1 Abstract 2 前　言 3 第1章 绪论 4 1.1 基于内容的图像检索 4 1.2 图像检索评价指标 6 第2章 BoF模型 7 2.1 基于视觉单词的匹配 7 2.2 投票机制 9 2.3 倒排索引 10 第3章 汉明嵌入 12 3.1 原始模型的缺点 12 3.2 基于汉明嵌入的匹配 13 第4章 几何重排 16 4.1 弱几何一致性 16 4.1.1 弱几何一致性的原理 16 4.1.2 考虑弱几何一致性的相似度计算 18 4.2 基于几何信息的重排 20 4.2.1 随机抽样一致算法 20 4.2.2 错配点剔除 21 第5章 实验过程 24 5.1 开发环境 24 5.2 框架设计 24 5.3 实现 25 第6章 结论 28 参考文献 29 致　　谢 31 经典专科、本科、硕博、研究生、期刊毕业论文 仅供参考 精心整理 仅供参考 勿用作商业用途 摘　要 通常的，图像检索可以分为两大类：基于文本的图像检索和基于内容的图像检索。本文的主要内容是设计并实现了一个基于内容的图像检索系统。 现在主流的图像检索技术主要是对图像提取局部特征，并利用特征袋模型对特征进行处理，以获得检索精度和检索性能之间的平衡。一个检索系统的运作主要包括数据集预处理和正式的检索过程。其中预处理过程包含：图像特征提取、视觉词典构建以及图像特征编码。检索过程会对待检索的图像进行类似处理，同时还有对特征的相似度比对，之后返回结果。 本文基于前人的研究成果，做出的主要工作如下： 1. 搭建一个基于flask框架的在线检索系统。 2. 图像数据集处理阶段，对每幅图像提取RootSIFT特征，并对特征进行k-means聚类，用来构建特征袋模型。 3. 利用ukbench数据集，比较了基础特征袋模型，汉明嵌入，弱几何一致性校验，空间几何重排等的检索效果，并对效果进行mAP评价。 关键词：图像检索；特征袋模型；汉明嵌入；弱几何一致性；几何重排 Abstract In general, image retrieval can be divided into two major categories: text-based image retrieval and content-based image retrieval. The main content of this paper is to design and implement a content based image retrieval system. Currently, the mainstream image retrieval technology mainly extracts local features from the images and uses the Bag of Feature (BoF) model to process the features to obtain a balance between retrieval precision and retrieval performance. The operation of a retrieval system mainly includes data set preprocessing and formal retrieval process. The preprocessing process includes: image feature extraction, visual dictionary construction, and image feature coding. The retrieval process will perform similar processing on the retrieved images, as well as compare the similarities of the features, and then return the results. Based on previous research results, the main work of this paper is as follows: 1. Build an online web retrieval system based on flask framework. 2. At