基于異構特征融合的大規(guī)模圖像檢索研究.pdf

1、隨著互聯(lián)網的快速發(fā)展和移動攝影設備的廣泛普及，圖像的數量和圖像內容的多樣性日益豐富，逐漸呈現出爆炸式增長的趨勢。面對如此海量復雜的圖像數據，如何快速有效的從中查找到自己想要的信息，成為當前研究的熱點。
　　我們知道，一幅圖勝過千言萬語，因此學者們紛紛將重心放在基于內容的圖像檢索研究上?；趦热莸膱D像檢索流程主要包括三個階段：圖像視覺特征的提取，特征索引的構建以及相似度匹配策略的制定，其中圖像視覺特征的表達能力會對檢索的準確率產生重

2、要的影響。令人遺憾的是，目前的圖像檢索技術中，還沒有哪一種特征提取算法所得到的特征描述符能夠準確地表達出圖像中包含的全部內容，所以研究多特征有效融合的檢索方法顯得尤為必要。但是如何保證特征維度和檢索效率成為另一個難題，例如，并行的融合多個圖像視覺特征，需要對數據庫圖像存儲多個視覺特征，導致存儲消耗成倍的增加。
　　本文梳理了現有圖像檢索模型中存在的不足，同時吸取了深度學習技術中的最新成果。在此基礎上，提出了一種基于異構特征融合的大

3、規(guī)模圖像檢索框架，并取名為自適應融合框架。具體地，本框架旨在實現基于卷積神經網絡模型的全局特征和基于手工設計的局部特征的融合，并針對兩種特征設計了與其相適用的全局檢索和精確查詢兩個模塊。全局檢索模塊主要完成過濾操作，即通過圖像全局特征實現對數據集的快速檢索，將數據集中與待查詢圖像不相關的嘈雜圖像濾除，同時為保留在候選集中每幅圖像學習一個權重來衡量其與查詢圖像的相似程度。精確查詢模塊的目的是在候選圖像集中完成優(yōu)化操作，即通過改進的詞袋模型