基于词袋模型的图像检索与分类系统的设计与实现

摘要

随着互联网与存储技术的逐步发展,大规模图像集的出现成为必然。如何寻找到快速有效的检索和分类方法来处理这些内涵丰富的图像成为当下图像领域的研究热点。从依赖人工标注的图像处理到基于颜色、纹理、形状特征的机器识别,实现了图像处理人工到智能的跨越,使计算机拥有了一定意义上的“视觉”。尺度不变特征(SIFT)则更符合人类的视觉过程,对视角、光照、尺度、背景变化和噪声具有良好的不变性。此外,从文本领域引入的算法“词袋模型”也由于其大大提高了检索和分类的效率而备受关注。
　　本文在研究SIFT特征和词袋模型算法的基础上,进行大量实验,设计了基于词袋模型的图像检索和分类实验系统。本系统以visual studio2012为平台实现算法,以MFC设计界面,实现了四大功能模块,包括系统初始化,SIFT辅助功能,即特征点检测和特征点匹配的演示过程,以及检索和分类。检索采用欧氏距离进行相似度度量,以查全率、查准率作为性能评价指标;分类采用支持向量机模型(SVM)实现系统自动归类,并统计每类图像的分类正确率。本系统从图像检索分类实验的多个经典图像库中抽取图像,组成17个种类共1020幅的图像库,每类图像分测试集和训练集,分别为20幅和40幅。特征库由XML结构化语言存储,实现了特征和图像的一一对应。本系统允许用户通过简单的参数设置更新系统数据,便捷地修改图像库、改进算法、生成特征库,也可直观地观察检索和分类效果,为研究者提供了操作简便、功能完善的实验平台。
　　本文从图像检索和分类算法的研究意义出发,分析了相关算法的国内外研究现状,对尺度不变特征和词袋模型的原理以及系统其他主要技术进行了详细的阐释。在此基础上,按照软件开发流程介绍本系统的设计过程,对系统功能进行测试并对测试结果进行分析。由实验结果可见基于 SIFT特征的词袋模型在图像检索和分类中的优良性能。最后也分析了算法的优势和不足之处,表明了今后系统的改进方向。

目录

封面

声明

目录

中文摘要

英文摘要

第一章绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 论文主要研究内容

1.4 论文主要结构

第二章系统主要技术介绍

2.1 SIFT

2.2 词袋模型

2.3 相似性度量

2.4 支持向量机模型SVM

2.5 性能评价

2.6 XML语言

2.7 本章小结

第三章系统分析

3.1 系统可行性分析

3.2 系统需求分析

3.3 系统功能分析

3.4 本章小结

第四章系统设计

4.1 系统设计原则

4.2 系统主要流程

4.3 数据存储方案设计

4.4 界面设计

4.5 功能模块设计

4.6 本章小结

第五章系统实现与测试

5.1 系统开发环境

5.2 系统实现

5.3 功能模块实现与测试

5.4 算法性能评价

5.5 本章小结

第六章结论与展望

6.1 结论

6.2 展望

参考文献

攻读学位期间取得的研究成果

致谢

个人简况及联系方式