基于内容的图像检索系统的设计与实现.docx

苏州大学本科生毕业设计（论文）目录摘要1Abstract2前言3第1章绪论41.1基于内容的图像检索41.2图像检索评价指标6第2章BoF模型72.1基于视觉单词的匹配72.2投票机制92.3倒排索引10第3章汉明嵌入123.1原始模型的缺点123.2基于汉明嵌入的匹配13第4章几何重排164.1弱几何一致性164.1.1弱几何一致性的原理164.1.2考虑弱几何一致性的相似度计算184.2基于几何信息的重排204.2.1随机抽样一致算法204.2.2错配点剔除21第5章实验过程245.1开发环境245.2框架设计245.3实现25第6章结论28参考文献29致谢31苏州大学本科生毕业设计（论文）33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AbstractIngeneral,imageretrievalcanbedividedintotwomajorcategories:text-basedimageretrievalandcontent-basedimageretrieval.Themaincontentofthispaperistodesignandimplementacontentbasedimageretrievalsystem.Currently,themainstreamimageretrievaltechnologymainlyextractslocalfeaturesfromtheimagesandusestheBagofFeature(BoF)modeltoprocessthefeaturestoobtainabalancebetweenretrievalprecisionandretrievalperformance.Theoperationofaretrievalsystemmainlyincludesdatasetpreprocessingandformalretrievalprocess.Thepreprocessingprocessincludes:imagefeatureextraction,visualdictionaryconstruction,andimagefeaturecoding.Theretrievalprocesswillperformsimilarprocessingontheretrievedimages,aswellascomparethesimilaritiesofthefeatures,andthenreturntheresults.Basedonpreviousresearchresults,themainworkofthispaperisasfollows:1.Buildanonlinewebretrievalsystembasedonflaskframework.2.Attheimagedatasetprocessingstage,RootSIFTfeaturesareextractedfromeachimage,andthefeaturesareclusteredusingk-meansalgorithmtoconstructtheBoFmodel.3.Usingukbenchdataset,wecomparethesearchresultsofthebasicBoFmodel,HE,WGC,spatialgeometricre-rankingandsoon,andevaluatetheirefficiencybymAP.Keywords:imageretrieval;bagoffeature;hammingembedding;weakgeometricconsistency;reranking前言随着诸如智能手机、数码相机、平板电脑等电子设备的普及，人们可以用越来越容易的方式创