视觉词袋模型算法

视觉词袋模型属于基于内容的图像检索中的算 法，其实现主要依赖于图像特征提取和词典构建。
视觉词袋模型算法的步骤如下
步骤1. 特征提取。在训练阶段，将一个图像 划分为“块” (patch)。其中选取特征提取算法是关键 步骤，提取的每个图像关键点都是一个 patch，每 一个 patch 用 128 维特征向量表示。
步骤 2. 词典构建。假设有 M 幅训练图像，提 取图像集合中全部的 patch，用 K-means++算法对 patch 集合进行聚类，当 K-means++收敛时，得到 K 类相当于词典中有 K 个不同的单词，代表单词的数 量。
步骤3. 词典表示。首先设置一个维数 K、值 全为 0 的直方图，K 代表词典中的单词量，计算查 询图像所有 patch 与词典中各个单词的距离，根据 距离排序大小，找到与每个 patch 距离最近的单词， 在直方图上找到对应单词的坐标，对应计数上加 1， 所有 patch 计算完毕后进行归一化处理，得到的归 一化的直方图，即图像的向量化，使得图像可用 K 维向量表示。
步骤 4. 图像检索。训练图像同样使用 K 维向 量表示，对用户给出的查询图像，计算查询图向量 与所有训练图向量之间距离，并返回距离值排序最 小的若干幅。

论文整理：基于感知哈希和视觉词袋模型的图像检索方法