基于SIFT特征向量的图像检索优化

• 作者: 卢江虎 肖曼玉 谢公南
• 来源期刊: 应用数学和力学
• 学科: 物理学
• 关键词: SIFT 图像检索 倒排文件 K均值聚类
• 年，卷（期）: 2013,（11）
• 页码范围: 1209-1215
• 分类号: V19|O343.6
• 语种: 中文
• DOI: 10.3879/j.issn.1000-0887.2013.11.010

摘要

基于SIFT(scale-invariant feature transform,尺度不变特征转换)向量的图像检索在精度和实时性方面都与使用者的心理预期有较大的偏差,该文在建树(build vocabulary tree)、检索、以及匹配度计算方面做了一些改进,在满足实时性的要求下,提高了检索精度;在建树过程中,重新定义了SIFT特征向量聚类机制,将分类和K均值聚类法结合起来代替传统的K均值聚类法;在进行图像检索时,直接利用已有欧氏距离信息,减少向量之间距离的计算,对SIFT向量统一化处理;最后通过改进单位化处理方法,克服SIFT大数据造成的误差.数值结果表明,改进后vocabulary tree的节点有更强的差异性,克服了将训练集按数量均分而不是按距离均分和直接决定树的层数的缺陷;使得检索时间很好地满足了实时性的要求;改进的单位化方法消除了SIFT大数据的误差,从而极大地提高了检索精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖曼玉	西北工业大学理学院应用数学系	11	37	3.0	5.0
2	谢公南	西北工业大学理学院应用数学系	15	60	3.0	7.0
3	卢江虎	西北工业大学理学院应用数学系	1	2	1.0	1.0