基于randomized visual phrase的目标检索

这个算法是用于目标检索的比较快速的一个算法，参考Randomized Visual Phrases for Object Search。

算法的流程如下：

//图片训练阶段

1读入N张图片

2 转换成灰度图

3 检测N张图片的特征点，本算法中应用的是SIFT特征。

4 生成描述子

5 描述子聚类，生成visual word，用kmeans()算法完成。

6 将图片库中的图片用另一种方式进行描述

将每个图片中所有的特征点用[ x,y,v ]表示。其中，x，y是每个特征点的坐标，v代表这个特征点对应的visualword的编号。

7 生成invert file

8 stop list算法

统计倒排文件中，对某一个word，包含这个word的图片的个数，对高频出现的word删去，这个步骤对于提高检索的正确率有很大帮助。

//目标搜索阶段

9 读入目标图片

10 转换成灰度图

11 提取特征点，生成描述子

12 生成目标的visual phrase

介绍一下什么是visual pharse，即是将目标图片中出现的所有特征点，用visual word词汇表中与之最接近的word进行代替，然后计算所有的word的出现的次数。本文算法中，是根据目标特征点的描述子向量与每个visual word的欧氏距离来进行匹配的。这种方法的速度比较慢，也有一些快速的匹配算法，目前正在研读中，以后会更新。

13 检索含有目标有图片

根据倒排文件中，检索与目标最相近的图片。通过计算目标图片的visual phrase矢量与图片的visual phrase矢量的直方图相交（HI或者NHI），找到与目标最匹配的图片。

14 对找到的图片，随机划分

把图片，随机的划分成一块一块的矩形方块，划分T次，每次划分是不重叠的。每次划分的方块的行数与列数是相同的，均为M*N。本文的算法中，可能通过调整T的大小 ，调整检索速度与调整精度。如果T的选择的比较大，那么它的精度比较大，速度比较慢。如果T选择的比较小，那么它的定位精度比较小，速度比较快。

15 计算每个随机方块的visual phrase

16 计算每个随机网格与目标的匹配程度

计算每个网格的visual phrase与目标的visualphrase之间的HI距离，这个距离越大，代表目标与这个网格中的内容越匹配。

17 投票

经过T次随机划分，会产生M*N*T个随机图片块，并且每个块与目标之间，都计算出了一个距离，把这个距离当成这个块的得分。然后每一个块，把这个得分投给它包含的每一个像素上。这样就会得到一个投票图，图片得分最高的部分，代表与目标接近的程度最高。

18 寻找投影图中，值最大的点A。

19 通过投影的像素值的大小，在A的周围，确定一个矩阵区域。认为这个矩形区域就是目标在原图中的位置。

20 显示这个矩形区域。

实验结果如下：

待检索目标

检索结果。

本文为CSDN博客，更多内容请点：http://write.blog.csdn.net/postlist/2867665/all