基于Bag of Features 模型的图像检索方法研究

1144766066 · 发表于 2022-5-7 21:19:51

题目：

雅宝题库答案：

****此区域为收费内容**** 需支付 1 知识币后可查看，1币=0.01元查看答案

雅宝题库解析：
图像搜索作为向用户提供有效图像搜索服务的工具具有重要应用价值。但是随着计算机网络遍布全球，网络图片数量也正在经历着爆炸式的增长。这就对传统的图像检索和管理提出了巨大的挑战。如何有效地对海量图片进行检索已成为信息检索研究人员和各商业搜索服务提供商关心的重要研究课题。本文首先总结前人对图像检索的研究，然后分别对图像检索模型和图像特征提取进行研究。论文的主要工作如下：本文提出了一种基于特征包（Bag-of-Features, BoF）模型、使用尺度不变特征变换（SIFT）及局部二值模型（LBP）以及方向梯度直方图（HOG）融合特征的图像检索系统。本文首次将特征包模型引入图像检索，并利用所提出的SIFT-LBP融合特征，SIFT-HOG融合特征，在图像背景比较复杂、存在较多噪声或主体事物不明显的情况下，提取图像视觉信息，获得了很好的图像检索效果。针对Bag-of-Features模型，本文提出了两种特征融合方法：基于区域的融合和基于图像的融合。在实验研究部分，提出了一种加权K均值聚类方法，应用于基于图像的SIFT-LBP融合特征，使整个系统在目前流行的图像检索数据集中，相比现有方法获得了更好的图像检索效果。通过直方图相交的相似度匹配方法，本设计在Corel数据集一些类别上获得了目前最高的检索率，如恐龙检索率达到98%，汽车检索率达到93%，以及花检索率达到83%等。同时，在基于特征包（Bag-of-Features, BoF）模型基础上，做了一些改进，本文又提出特征包模型和空间金字塔相结合的方式进行图像检索，此方式从本质上解决了特征包模型未考虑特征在空间中位置的题目，取得了相对较好的实验结果。同时本文笼统的介绍了基于图像高层表达方式—Object Bank(OB)进行图像检索的方法，即把每幅图像表示为在之前训练好的物体检测器上的分布。首先用隐支持向量机（LSVM）物体检测器和纹理分类器训练出不同物体检测器，然后用每一幅图和各个物体检测器在不同尺度，不同空间下进行卷积，然后得出对应的向量表示。

基于Bag of Features 模型的图像检索方法研究

天涯海角也要找到Ni：基于Bag of Features 模型的图像检索方法研究

相关帖子

QQ微信同步：1144766066。

服务

网站

战略合作