基于视觉词袋模型的图像匹配方法研究与实现

龙源期刊网 http://www.qikan.com.cn

基于视觉词袋模型的图像匹配方法研究与实现

作者：盛虎

来源：《电子技术与软件工程》2015年第21期

摘 要 针对基于图像特征的图像匹配方法容易出现语义鸿沟，为此本文将视觉词袋模型应用到图像匹配中。在视觉词袋模型中，本文使用SIFT特征，并对SIFT特征聚类后生成视觉词汇；在此基础上，对图像库进行比对、统计、归一化处理等，形成频率直方图训练库；再通过构建待匹配图像的频率直方图，在训练库中进行搜索，匹配出相似的图像。为了解决匹配算法的速度较慢的问题，本文采用k近邻搜索的思想，将k-d树结构应用到匹配程序中，为频率直方图训练库构建索引。最后通过实验表明，本文算法具有较好的匹配效果和较高的匹配效率。 【关键词】基于内容的图像检索 视觉词袋模型 SIFT特征 K-D树 1 引言

本文借助视觉词袋模型中使用的底层特征是SIFT算法提取得到的图像的Sift特征，并且以XML格式存于文本文件中；视觉词典是通过K-Means聚类算法对所提取的大量Sift特征进行聚类处理得到的，其中视觉词汇的数量为K；得到基础视觉词汇，就可以对图像库中的每一幅图像进行比对、统计和归一化处理分析，为每一幅图构建词汇分布频率直方图，即视觉词汇特征；最后，本文采用最邻近搜索的思想，以k-d树的结构对生成的视觉词汇特征库构建索引，用以提高图像匹配速度。 2 基于视觉词袋模型的图像匹配

视觉词袋模型是一种基于内容的图像匹配模型。如果将每一张图像都类比成是一个文档，将从图像中提取的每个特征都看作是文档中一个词汇，我们将其称为“视觉单词”，同样，这些单词之间也看作是相互独立，没有顺序和关联的，那么用视觉单词来描述每一幅图像，通过类似的方法，我们可以得到图像的低维向量表示。这就是视觉词袋模型中的词袋。 3 图像底层特征提取

本文通过提取图像库的SIFT特征，并以XML格式存放于文本文档中，以供下一步聚类生成视觉词汇使用。SIFT特征提取算法主要包含如下步骤：构建尺度空间；尺度空间极值点的检测；准确找出极值点的位置，同时去除干扰点；分别为生成的关键点指定其方向参数；生成关键点描述子。下面分别简单介绍SIFT算法的各个提取步骤。 （1）构建尺度空间