基于内容的图像检索中多特征融合技术的应用研究的中期报告.docx

基于内容的图像检索中多特征融合技术的应用研究的中期报告
本研究旨在实现一个基于内容的图像检索系统，通过多特征融合技术提高图像检索的精度和效率，为用户提供更加优质的服务。
在前期研究中，我们对基于内容的图像检索系统的基本原理进行了了解，并通过调研和对比实验选择了合适的特征提取方法和特征融合算法。
在本阶段的研究中，我们对选择的两种特征提取方法（SIFT和HSV）进行了进一步的优化，并通过特征融合算法将两种特征进行融合。
具体地：
1.SIFT特征优化
在前期研究中，我们选择了SIFT特征作为其中一种用于图像检索的特征。由于SIFT特征提取的复杂度较高，时间较长，因此我们对其进行了优化。
首先，我们尝试了使用OpenCV中的cpu版本和gpu版本提取SIFT特征，并比较了两者的效率和结果，结果发现使用gpu版本的效率更高，同时特征提取的结果也更加准确。
其次，我们使用了SIFT特征的改进版本——RootSIFT（即使用根号归一化的SIFT特征）。实验结果显示，使用RootSIFT特征提取相比于传统SIFT提取，可以获得更高的检索精度。
2.HSV特征优化
我们还选择了HSV（色相、饱和度、亮度）颜色空间作为另一种用于图像检索的特征。在本阶段的研究中，我们对HSV特征提取进行了优化。
具体而言，我们利用cv2.calcHist()函数计算HSV直方图，并将直方图进行归一化处理。此外，我们还使用了HSV颜色空间的空间信息，即将图像分为多个小块并分别计算每个小块的HSV直方图。
3.多特征融合
在前期研究中，我们已经确定了一种适合我们图像检索系统的多特征融合算法——加权平均法。在本阶段的研究中，我们继续优化了该算法，将权重设置为可调整的变量，并通过不同的实验，确定了最优的权重组合。
经过优化和融合处理，我们得到了多种特征的组合，可以用于基于内容的图像检索系统，从而提高检索结果的精度和效率。
下一步，我们将继续完善系统的UI界面和交互设计，进一步测试系统的性能，并根据用户反馈，不断改进系统的功能和性能。