干扰图像快速检索算法

《干扰图像快速检索算法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、干扰图像快速检索算法：文章提出了一种适用于大规模数据集的图像检索算法，目的是在有干扰的情况下，准确地找出目标图片。本文采用局部特征算子作为衡量标准，又创造性地在每个视觉词袋后[1]建立图像索引，形成以特征算子为基元的带权视觉词典结构，在保证检索精度的前提下尽可能的提高检索速度，更好的满足了大规模数据对效率的要求。实验证明，该算法具对存在一定干扰的图像效果显著，鲁棒性强，达到了国际一流水准。　　关键词：图像检索；局部特征算子；带权视觉词典；干扰图像　　：TP391.41：A：1007-9599(2011)20-0000-01　　InterferenceImageQuickSearchAlgor

2、ithm　　YinChangqing,Mao，临时检索结果的权重为ax，这里我们需要引入一个百分比阈值Per，如果，那我们就认为这个ax对应的I’为最后的检索结果；否则目标图像不存在于图库中。　　三、实验结果和分析　　本文选取Corel图像库进行测试。把所有的9907张图像全部作为样本进行训练，建立相应的带权视觉词典。之后取出有不同关键点数量的80张图片作为目标图片，和传统的视觉词袋法[1]进行对比测试。本文算法的平均耗时在600ms左右，而传统的视觉词袋算法则需要大约2s的时间，而且算法的平均耗时随着关键点数目的增多有着显著的上升趋势。显然，在图像数量庞大的情况下，传统的时间词袋方法已经很

3、难达到实际应用的需求。　　我们再次从图像库中随机选出200张图片，把他们均匀分为4类。对其中3类进行边缘切割、旋转变换和加上干扰像素。把处理过的图片作为目标图片进行检索，测试系统应对各种不同干扰的能力。这里比较了本文算法和传统基于全局特征的算法。对于没有任何干扰的图像，它们都有很高的正确率。但是在切割干扰和像素值干扰测试上，基于颜色特征算法和基于纹理特征算法的正确率都有了明显的下降，其中当图像存在像素干扰时，基于颜色算法的正确率甚至不足10%。从实验中不难发现，本文算法的正确率虽然也有小幅下降，但是它的抗干扰能力明显强于其他两种算法。　　eBay每天都会新增成千上万的商品，有些图像是禁止用户

4、上传的。这里我们有一个黑名单图像库，共计有11579张图片，以它为样本建立视觉词典。此外还有一个记录2011年第一季度eBay美国站点新上传图片的图像库（314293张），我们称它为待测图库。现在的任务是在待测图库中找出那些违规图片。可以想象，在实际上传图片的过程中，卖家很可能会对商品打上自己的水印，或者是对图片进行一定的处理，这样会造成图像的干扰很大。实验结果表明，基于颜色特征的算法找出的违规图片数量最少；基于纹理特征找出的图片数量要高于基于颜色特征的算法；而通过本文算法找到的违规图片最多，数量上要远远高于前两者。显而易见本文算法在查全率上要更胜一筹。　　四、结论　　本文的算法以关键点为基

5、元，建立带权数据词典，通过所得权重大小来检索图像，打破了常规检索算法以图像为基元建立直方图的检索模式。实验结果表明，本算法在检索速度上要明显优于传统的视觉词袋法，同时在应对目标图像干扰时，本算法表现出很好的抗噪能力，鲁棒性强。