论文部分内容阅读
在信息爆炸式增长、多媒体技术及互联网发展日新月异的时代,人与人之间对各种多媒体资源共享的需求越来越高,大量的图片共享需要构建高效的检索系统。现有的社交图像搜索技术主要依赖于文本、图像以提供用户给定的查询。检索系统的准确性、实时性还难以满足用户通用性和特定性的各种需求,而且计算机视觉、大数据发展如此迅猛,如何构建一个高效的检索系统成为专家学者们的研究重点。基于文本的检索对于图形图像的手动标注具有主观色彩且工作繁复,传统检索方式的缺陷不断暴露,加上人机交互方式不断更新换代、触控设备发展快速,使得通过内容进行检索的草图检索成为研究的重要领域。社交媒体用户不一定要依赖手工标注的关键字查询或是例图查询,而能通过手指或触屏写字笔在触控设备上勾勒出的草图,可以全面完整地描述查询,从而在图像检索系统中搜索出相关图像,得到想要的结果。草图检索的实现过程分为图像的特征描述、特征匹配、相关索引三个步骤。本文提出HOG(Histogram of Gradient,梯度方向直方图)的改进图像描绘子,并将其应用于草图检索中。第一,是基于多尺度HOG的草图检索,采用高斯金字塔将图像分解到多尺度空间,在所有尺度上进行兴趣点提取,获得基于兴趣点的多尺度HOG特征。利用图像的多尺度HOG特征集生成视觉词典,最终形成与视觉词典相关的特征描述向量,通过相似度匹配实现草图检索。第二,在多尺度HOG算法的基础上,对其进行改进,首先对草图和图像进行梯度域处理,以缩减草图和图像的不一致性,然后进行显著点提取,以显著点为对象,生成基于显著点的图像信息描述符。这种方法可以减少不相关噪声对检索表现的影响。实验表明了基于多尺度HOG草图检索的有效性及其改进算法的有效性。梯度场处理和Harris角点提取方法的应用丰富了显著点周围的灰度轮廓信息,对草图和图像尺度的不确定性和一些噪声具有鲁棒性,使得草图的表示结果得以优化。