基于自适应加权的手绘草图检索算法研究与应用

摘要

尽管通过文本来进行图片检索已经被广泛的应用，但是在有些时候仍很难仅使用文本来描述一张复杂图片中所包含的结构信息。另一方面，尽管部分网络搜索引擎开始提供相似图片检索或者以图找图的功能，但是并非在所有时候，用户都拥有可供检索使用的图片。而近来伴随着触屏设备如iphone等的流行，用户可以非常方便的使用这些设备来绘制一些待检索对象的草图。那么如果可以利用这些用户所绘制的草图来检索出与之相关的图片，则将会是一项非常有吸引力的功能。
　　手绘草图检索(Sketch-Based Image Retrieval)早在上世纪90年代就已开始被研究，但是如何衡量一张手绘草图与一张图片之间的相似程度仍是一个难点。在本文中，构建了一种新的自适应加权方法以用于进行手绘草图检索。该方法将一个匹配代价聚集步骤集成到手绘草图检索的匹配过程当中，对邻近节点的梯度和多尺度信息加以集成。另一方面，为进一步提高该自适应加权方法的准确率和效率，本文构建了一种新的边界点选择方法，利用局部区域中边界点的尺度分布信息对边界点进行筛选和优化。在上述方法的基础之上，本文实现了一个手绘草图检索系统。通过在不同的公开数据集上的实验结果表明，本文所构建的方法可以得到比较好的结果。

目录

摘要

第一章 引言

1．1 研究背景与研究意义

1．2 本文的研究工作概述

1．3 本文的章节安排

第二章 相关工作

2．1 基于区域的匹配方法

2．1．1 边缘直方图描述符(Edge Histogram Descriptor)

2．1．2 Angular Radial Partitioning

2．1．3 方向梯度直方图(Histogram of Oriented Gradients)

2．2 基于边界点的匹配方法

2．2．1 豪斯多夫距离(Hausdorff distance)

2．2．2 形状上下文(Shape Context)

2．2．3 Chamfer Matching

2．3 手绘草图检索架构

2．3．1 视觉词袋(Bag of Visual Words)

2．3．2 反向索引

2．4 其他方法

2．5 本章小结

第三章 基于自适应加权的手绘草图检索方法

3．1 初始匹配代价计算

3．2 自适应加权方法

3．3 多尺度边界信息集成

3．4 双向计算匹配代价

3．5 本章小结

第四章 边界点选择方法

4．1 边界提取

4．2 LocalSelect边界点选择

4．3 对匹配代价计算过程的影响

4．3．1 集成LocalSelect的Tensor方法

4．3．2 Edgel Index方法

4．3．3 自适应加权方法

4．4 本章小结

第五章 手绘草图检索系统的具体实现

5．1 整体架构

5．2 后台部分

5．3 前端部分

5．4 本章小结

第六章 实验结果及分析

6．1 LocalSelect边界点选择方法

6．2 自适应加权方法

6．3 手绘草图检索系统

6．4 本章小结

第七章 总结与展望

参考文献

攻读学位期间发表的论文

致谢

声明