一种基于随机化视觉词典组和查询扩展的目标检索方法

赵永威 李弼程 彭天强 高毫林

(信息工程大学信息工程学院 郑州 450002)

1 引言

图像数据的集中和规模的增大给目标检索带来机遇的同时也带来了挑战，相较于传统的基于全局的图像检索，目标检索难度更大，面临的问题也更多，如查询目标的亮度、光照变化，视角的改变甚至部分目标被遮挡等。近年来，随着计算机视觉，尤其是图像局部特征(如 SIFT[1])和视觉词典法[2,3](Bag of Visual Words,BoVW)的飞速发展及应用，使得目标检索技术日趋实用化，如文献[4]就是一种面向网络的近似重复图像检索系统，文献[5]则允许用户使用手机拍摄图片并检索出与图片中所包含目标的相关信息。

视觉词典法最早由文献[2]提出，由于性能突出，目前已经成为目标检索领域的主流方法，但是它也存在一些开放性的问题。一是算法时间效率低及内存消耗大。视觉词典法涉及到大量高维数据的近邻查找问题，由此导致在数据规模很大的情况下，用于大规模高维近邻查找的时间将急剧增加，使得算法效率很低。文献[6]表明K-Means聚类算法只适用于生成较小规模的词典，当词典的规模超过510时就比较难以解决，为此，又引入了分层K-Means聚类算法(Hierarchical K-Means,HKM)来提高量化和检索效率。在此基础上，文献[7,8]采用近似 K-means算法(Approximate K-Means,AKM)针对大规模数据库的目标检索实现了进一步优化，并引入倒排文档结构(inverted file)来进一步提高检索效率。尽管如此，内存消耗依然是其当前面临的主要问题之一，文献[7]表明传统的视觉词典法处理110万幅的图像仍要占用大约4.3 GB的内存。……