本文關(guān)鍵詞：基于局部視覺信息的大規(guī)模圖像檢索研究　出處：《中國科學(xué)技術(shù)大學(xué)》2015年博士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 圖像檢索 視覺特征 重復(fù)信號(hào) 空間上下文描述子 二值化編碼 倒排表 交叉索引 聯(lián)合特征 分治索引 圖像緊湊表達(dá) 圖像全局特征

【摘要】：隨著信息技術(shù)的迅猛發(fā)展,數(shù)碼產(chǎn)品的普及和因特網(wǎng)的深入人心。借助于計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)和多媒體技術(shù)等,人們可以更加便捷地采集圖像、視頻等多媒體數(shù)據(jù),還可以將這些數(shù)據(jù)與其他用戶分享。整個(gè)互聯(lián)網(wǎng)的多媒體數(shù)據(jù)以爆炸式增長,給人們帶來了豐富的信息資源。為了便于人們快速地從海量的多媒體數(shù)據(jù)中獲取其所感興趣的信息,多媒體信息檢索技術(shù)應(yīng)運(yùn)而生。圖像作為一種重要的多媒體數(shù)據(jù),已成為繼文本之后,信息檢索中最受關(guān)注的研究對(duì)象。由于圖像數(shù)據(jù)本身的內(nèi)容多樣性和復(fù)雜性,基于給定的查詢圖像,如何從海量的圖像數(shù)據(jù)之中查找到內(nèi)容相關(guān)的圖像是一個(gè)非常有挑戰(zhàn)性的問題。其涉及到視覺信息的有效描述、大量數(shù)據(jù)的合理組織、高效率的查找方式等多方面的關(guān)鍵理論和方法。 在基于圖像內(nèi)容的檢索應(yīng)用中,考慮的場景是給定一幅圖像樣例,在數(shù)據(jù)庫中查找到與給定圖像樣例中內(nèi)容相似或者局部相似的所有圖像,并依據(jù)與給定圖像樣例之間的相似度,對(duì)檢索到的圖像進(jìn)行排序。這是一種信號(hào)層的檢索方法,在給定了局部視覺特征的描述之后,關(guān)鍵的地方在于如何在如此巨大的數(shù)據(jù)庫中找到正確的局部特征之間的匹配,局部特征之間的匹配是指描述相同圖像內(nèi)容的局部特征。特征匹配的一個(gè)最直接的方法是進(jìn)行特征描述子之間的兩兩歐式距離的計(jì)算。但是圖像的局部視覺特征往往是一個(gè)高維度的向量,比如SIFT特征是128維的,在大規(guī)模的圖像數(shù)據(jù)庫中進(jìn)行如此高維度的線性歐式距離計(jì)算是不可行的。本文的研究內(nèi)容主要集中在基于局部視覺信息的圖像檢索上,包括視覺特征空間上下文環(huán)境描述子、SIFT特征可伸縮編碼和交叉索引、局部視覺信息融合、以及更高效的圖像表達(dá)。主要可以歸納為如下四點(diǎn)： 1.論文提出了一種描述局部視覺特征空間上下文環(huán)境的描述子�；诿總�(gè)視覺特征與同一圖像中其他視覺特征之間的空間位置特性,將特征的空間上下文關(guān)系分為兩種：多模態(tài)特性和共生特性。多模態(tài)特性是指在同一空間位置同時(shí)出現(xiàn)不同尺度、不同方向的特征描述子；共生特性是指視覺特征與其他視覺特征同時(shí)出現(xiàn)在同一幅圖像中。基于這兩種視覺特征的空間上下文關(guān)系,首先生成一個(gè)高維描述子對(duì)其進(jìn)行描述,其次為了便于快速比較,將生成的描述子二值化,用于局部特征匹配的校驗(yàn)。 2.論文提出了一種可伸縮的SIFT視覺特征二值化編碼方法和一種提高查詢特征查全率的交叉索引方法。為了對(duì)圖像數(shù)據(jù)庫進(jìn)行索引,一般需要根據(jù)線下學(xué)習(xí)得到的視覺碼本對(duì)視覺特征進(jìn)行量化處理。聚類量化是解決這個(gè)問題的最常用方法,但是由于聚類的方法生成的視覺碼本大小有限,視覺特征被量化得比較粗糙,量化后的區(qū)分度有限。而二值碼的描述能力豐富,且距離可以采用邏輯異或運(yùn)算得出,因此提出了一種描述SIFT特征幅值模式的二值化編碼方式對(duì)視覺特征進(jìn)行精細(xì)的量化。為了提高查詢的查全率,根據(jù)聚類量化和二值量化的各自特性,本文提出了一種交叉檢索聚類量化和二值量化索引結(jié)構(gòu)的檢索方法。 3.論文提出了一種聯(lián)合視覺特征。由于一幅圖像往往可以檢測到數(shù)千個(gè)局部視覺特征,因此對(duì)于海量數(shù)據(jù)庫而言,要處理的局部視覺特征的數(shù)目是非常巨大的。對(duì)于數(shù)目如此巨大的局部視覺特征,如果對(duì)每個(gè)視覺單獨(dú)處理,對(duì)導(dǎo)致檢索系統(tǒng)的復(fù)雜度非常高。為了降低檢索系統(tǒng)的復(fù)雜度,需避免每個(gè)視覺特征單獨(dú)處理,文中提出將視覺特征批量處理。每幅圖像的局部視覺特征被重新組織成幾十個(gè)聯(lián)合特征組,采用生成的描述子對(duì)每個(gè)特征組進(jìn)行統(tǒng)一描述,基于聯(lián)合特征的獨(dú)特性質(zhì),利用重構(gòu)誤差計(jì)算圖像之間的相似度。為了加快檢索速度,文中提出了一種分治法的索引算法。 4.論文提出了一種基于局部視覺信息的圖像表達(dá)方式。如何將圖像的視覺內(nèi)容表達(dá)成向量的形式,是多媒體和計(jì)算機(jī)視覺問題中的一個(gè)基本問題。用局部特征構(gòu)建圖像的全局表達(dá),可以繼承局部特征對(duì)遮擋、尺度、平移、旋轉(zhuǎn)等圖像變換的魯棒性。從局部特征生成全局特征的方法可以分為非概率模型和概率模型：在非概率模型中視覺特征量化后的殘差向量起著至關(guān)重要的作用,文中深入研究了殘差向量的分布對(duì)生成的全局特征的影響；與非概率模型相比,雖然概率模型有著更高的計(jì)算復(fù)雜度,但是它具有更完整的表達(dá)能力,文中也詳細(xì)分析了概率模型生成的全局表達(dá)的特性。 總而言之,本文重點(diǎn)研究了局部視覺信息用于檢索信號(hào)層近似復(fù)制圖像的各個(gè)方面,針對(duì)其中特定的問題提出了一系列新穎的算法,涵蓋了空間上下文的描述、特征的二值化編碼、特征的索引結(jié)構(gòu)和查找方法、以及圖像的表達(dá)等基礎(chǔ)問題,大量的實(shí)驗(yàn)結(jié)果表明了這些算法的有效性。
【學(xué)位授予單位】：中國科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 林麗君;王旭光;任玉蘭;;基于圖像梯度內(nèi)積與外積的特征點(diǎn)匹配方法[J];華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

2 宋潔;孫榮艷;張永杰;李娜娜;;基于金字塔和模糊聚類的路面圖像拼接方法[J];河北工業(yè)大學(xué)學(xué)報(bào);2008年05期

3 許唯瑋;;基于SIFT特征的圖像檢索研究[J];河北建筑工程學(xué)院學(xué)報(bào);2011年01期

4 史金龍;賓海云;劉慶華;;基于時(shí)空關(guān)聯(lián)塊匹配的動(dòng)態(tài)變形表面三維重建[J];江蘇科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年05期

5 王宗輝;張衛(wèi)豐;張迎周;周國強(qiáng);;基于陸地移動(dòng)距離的相似度測量檢測圖像型垃圾郵件[J];江蘇科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

6 賀亮;劉榮;呂開云;;一種基于種子生長的匹配算法[J];東華理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

7 喬文治;;基于SIFT特征的無人機(jī)航拍圖像拼接[J];教練機(jī);2011年04期

8 王培珍;石磊;許睿;王雪峰;;基于改進(jìn)SIFT算法的苗木圖像特征點(diǎn)提取[J];安徽工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年03期

9 王培珍;陳平;周芳;王雪峰;;復(fù)雜圖像特征點(diǎn)提取與匹配方法[J];安徽工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

10 張立;陳焱輝;王必安;;基于SIFT的脫機(jī)簽名鑒別算法研究[J];信息技術(shù);2012年03期

相關(guān)會(huì)議論文 前10條

1 劉善磊;張亮;;基于相位相關(guān)和SURF算法的關(guān)鍵幀實(shí)時(shí)匹配研究[A];江蘇省測繪學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集[C];2011年

2 隋樹林;孫立宏;姚文龍;袁健;;融合改進(jìn)UKF/SIFT信息的自主光學(xué)導(dǎo)航方法[A];第二十六屆中國控制會(huì)議論文集[C];2007年

3 汪力;葉樺;夏良正;;利用特征點(diǎn)定位嘴巴[A];第二十六屆中國控制會(huì)議論文集[C];2007年

4 ;Loop-closing By Using SIFT Features for Mobile Robots[A];第二十六屆中國控制會(huì)議論文集[C];2007年

5 周凱;范瑞霞;李位星;;一種基于SIFT的MeanShift-粒子濾波融合跟蹤算法[A];第二十九屆中國控制會(huì)議論文集[C];2010年

6 ;Rapid Target Recognition and Tracking under Large Scale Variation Using Semi-Naive Bayesian[A];第二十九屆中國控制會(huì)議論文集[C];2010年

7 ;A High-level Image Sequence Fusion Algorithm for Human Detection[A];第二十九屆中國控制會(huì)議論文集[C];2010年

8 鄒麗暉;陳杰;張娟;竇麗華;;一種基于時(shí)空域流形的視頻序列圖像拼接算法[A];第二十九屆中國控制會(huì)議論文集[C];2010年

9 ;Machine Vision Based Flotation Froth Mobility Analysis[A];第二十九屆中國控制會(huì)議論文集[C];2010年

10 孫明竹;趙新;程小燕;孫程;盧桂章;;面向復(fù)雜作業(yè)的微操作機(jī)器人關(guān)鍵技術(shù)研究[A];第二十九屆中國控制會(huì)議論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 王玉全;基于全景視覺的移動(dòng)機(jī)器人同時(shí)定位與地圖創(chuàng)建方法研究[D];哈爾濱工程大學(xué);2010年

2 梁洪;基于內(nèi)容的醫(yī)學(xué)圖像檢索及語義建模關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2010年

3 任楨;圖像分類任務(wù)的關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2010年

4 孔凡芝;引線鍵合視覺檢測關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2009年

5 王作為;具有認(rèn)知能力的智能機(jī)器人行為學(xué)習(xí)方法研究[D];哈爾濱工程大學(xué);2010年

6 肖潔;視覺注意模型及其在目標(biāo)感知中的應(yīng)用研究[D];華中科技大學(xué);2010年

7 朱清波;序列圖像三維重建方法研究[D];華中科技大學(xué);2010年

8 田文;多視圖圖像的快速三維場景重建[D];華中科技大學(xué);2010年

9 涂虬;智能視覺監(jiān)視中目標(biāo)檢測與跟蹤算法研究[D];華中科技大學(xué);2010年

10 章鵬;多尺度特征檢測：方法和應(yīng)用研究[D];中國科學(xué)技術(shù)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 宋抗;壓縮機(jī)活塞圓度誤差數(shù)字檢測系統(tǒng)研究[D];河南理工大學(xué);2010年

2 陳忠翔;基于立體視覺的三維重建方法研究[D];南昌航空大學(xué);2010年

3 雒燕飛;地質(zhì)災(zāi)害應(yīng)急地理信息數(shù)據(jù)庫設(shè)計(jì)及其應(yīng)用[D];山東科技大學(xué);2010年

4 唐紅梅;基于輻射與空間信息的遙感圖像檢索[D];山東科技大學(xué);2010年

5 倪希亮;基于尺度不變特征的多源遙感影像配準(zhǔn)[D];山東科技大學(xué);2010年

6 賈偉潔;SAR影像與光學(xué)影像配準(zhǔn)研究[D];山東科技大學(xué);2010年

7 任天宇;自穩(wěn)定航拍系統(tǒng)算法與設(shè)計(jì)[D];長春理工大學(xué);2010年

8 李躍;三維運(yùn)動(dòng)估計(jì)在織物動(dòng)態(tài)仿真中的應(yīng)用[D];浙江理工大學(xué);2010年

9 婁錚錚;sIB算法在圖像無監(jiān)督分類中的應(yīng)用研究[D];鄭州大學(xué);2010年

10 王博;全景視覺智能移動(dòng)機(jī)器人固有環(huán)境定位[D];哈爾濱工程大學(xué);2010年

，

本文編號(hào)：1320382