基于深度特征与局部特征融合的图像检索

黄 娜， 何泾沙

(北京工业大学信息学部， 北京 100124)

近年来，基于内容的图像检索(content based image retrieval, CBIR)[1-2]受到了广泛关注[3]，在气象、医疗、生物建模等诸多领域都有相关应用. 随着CBIR技术的不断发展，各类应用对图像检索技术有了越来越高的要求，不仅要有可靠的准确性，还要有尽可能高的效率.

特征是图像识别与检索的基础，不同模态的图像特征从不同角度反映了图像属性，如何有效应用这些特征提高检索的准确率是一个值得研究的问题[4]. 局部特征对于描述图像的局部内容具有鲁棒性，全局特征则更适合描述图像的整体属性. 然而，局部特征在量化过程中会丢失全局的信息，而全局特征难以反映图像的内容信息. 因此，将全局特征与局部特征结合使用能够满足图像检索应用对准确性的要求. 在理想状态下，特征的维度越高所包含的信息越丰富，其在识别与检索应用中展现出的判别能力也越高，但是高维度特征同时会消耗较多时间，使准确性与效率产生矛盾.

目前，在图像识别与检索领域，已经有很多基于特征融合的研究. 韩昌刚等[5]在图像语义特征提取中采用局部二值模式(local binary pattern，LBP)纹理特征与颜色特征相融合，有效提高了语义特征的准确度. 罗元等[6]在人体面部表情识别中应用LBP局部纹理与离散余弦变换(discrete cosine transform，DCT)全局特征相结合，这种方法比单独使用DCT方法具有更高的准确性. 另外，颜色特征[7-8]、边缘特征[9]、方向梯度直方图(histogram of oriented gradient，HOG)特征[10]等也都得到广泛应用. 现在流行……