【计算机视觉实验五】图像检索与识别

一、图像特征匹配

暴力匹配法：十分耗时，对于大数据集根本不能用
对于大场景数据集（如城市场景）, 只有少 于 0.1% 的图像对具有匹配关系

解决方案: 利用图像整体特征实现匹配/检索， 而非局部特征点

Bag-of-words模型

BoW起始可以理解为一种直方图统计，开始是用于自然语言处理和信息检索中的一种简单的文档表示方法。BoW也只是统计频率信息，并没有序列信息。BoW是选择words字典，然后统计字典中每个单词出现的次数。

BoW(Bag of Words)词袋模型最初被用在文本分类中，将文档表示成特征矢量。它的基本思想是假定对于一个文本，忽略其词序和语法、句法，仅仅将其看做是一些词汇的集合，而文本中的每个词汇都是独立的。简单说就是讲每篇文档都看成一个袋子（因为里面装的都是词汇，所以称为词袋，Bag of words即因此而来），然后看这个袋子里装的都是些什么词汇，将其分类。如果文档中猪、马、牛、羊、山谷、土地、拖拉机这样的词汇多些，而银行、大厦、汽车、公园这样的词汇少些，我们就倾向于判断它是一篇描绘乡村的文档，而不是描述城镇的。

Bag-of-features模型

Bag of Feature 也是借鉴了这种思路，只不过在图像中，我们抽出的不再是一个个word，而是图像的关键特征Feature，所以研究人员将它更名为Bag of Feature。

Bag of Feature在检索中的算法流程和分类几乎完全一样，唯一的区别在于，对于原始的 BOF 特征，也就是直方图向量，我们引入TF-IDF 权值。

Bag of Feature的本质是提出一种图像的特征表示方法
按照Bag of Feature算法的思想，首先我们要找到图像中的关键词，而且这些关键词必须具备较高的区分度。实际过程中，通常会采用SIFT特征。

有了特征之后，我们会将这些特征通过聚类算法得出很多聚类中心。这些聚类中心通常具有较高的代表性，比如，对于人脸来说，虽然不同人的眼睛、鼻子等特征都不尽相同，但它们往往具有共性，而这些聚类中心就代表了这类共性。我们将这些聚类中心组合在一起，形成一部字典（CodeBook）。

对于图像中的每个SIFT特征，我们能够在字典中找到最相似的聚类中心，统计这些聚类中心出现的次数，可以得到一个向量表示（有些文章称之为直方图）这些向量就是所谓的Bag。这样，对于不同类别的图片，这个向量应该具有较大的区分度，基于此，我们可以训练出一些分类模型（SVM等），并用其对图片进行分类。

Bag of features: 图像检索流程

• 特征提取
• 学习 “视觉词典（visual vocabulary）
• 针对输入特征集，根据视觉词典进行量化
• 把输入图像，根据TF-IDF转化成视觉单词（ visual words）的频率直方图
• 构造特征到图像的倒排表，通过倒排表快速 索引相关图像
• 根据索引结果进行直方图匹配

Bag of features中的知识点

提取图像特征

特征必须具有较高的区分度，而且要满足旋转不变性以及尺寸不变性等，因此，我们通常都会采用SIFT特征

训练字典

提取完特征后，我们会采用一些聚类算法对这些特征向量进行聚类。最常用的聚类算法是 k-means。
最小化每个特征 xi 与其相对应的聚类中心 mk 之间的欧式距离

算法流程:

随机初始化 K 个聚类中心
重复下述步骤直至算法收敛:
对应每个特征，根据距离关系赋值给某个中心/类别
对每个类别，根据其对应的特征集重新计算聚类中心
聚类是实现 visual vocabulary /codebook的关 键

无监督学习策略
k-means 算法获取的聚类中心作为 codevector
Codebook 可以通过不同的训练集协同训练获得
一旦训练集准备足够充分, 训练出来的码本（ codebook）将 具有普适性
码本/字典用于对输入图片的特征集进行量化

对于输入特征，量化的过程是将该特征映射到距离其最接近 的 codevector ，并实现计数
码本 = 视觉词典
Codevector = 视觉单词

直方图表示

上一步训练得到的字典，是为了这一步对图像特征进行量化。对于一幅图像而言，我们可以提取出大量的SIFT特征点，但这些特征点仍然属于一种浅层（low level）的表达，缺乏代表性。因此，这一步的目标，是根据字典重新提取图像的高层特征。对于图像中的每一个SIFT特征，都可以在字典中找到一个最相似的 visual word，这样，我们可以统计一个 k 维的直方图，代表该图像的SIFT特征在字典中的相似度频率。

TF-IDF

在文本检索中，不同单词对文本检索的贡献有差异
一个单词出现在文档中的比例越大，它对匹配的作用就越小，例如，一个出现在所有文档中的单词就没有帮助

我们不会计算一个正则的直方图距离，而是用它的逆文档频率来加权每个单词

二、实验

创建词汇

# -*- coding: utf-8 -*-
 
import pickle
from PCV.imagesearch import vocabulary
from PCV.tools.imtools import get_imlist
from PCV.localdescriptors import sift
 
# 获取图像列表
imlist = get_imlist('D:\\bow\\image\\gun\\')
nbr_images = len(imlist)
# 获取特征列表
featlist = [imlist[i][:-3] + 'sift' for i in range(nbr_images)]
 
# 提取文件夹下图像的sift特征
for i in range(nbr_images):
    sift.process_image(imlist[i], featlist[i])
 
# 生成词汇
voc = vocabulary.Vocabulary('training')
voc.train(featlist, 165, 10)
 
# 保存词汇
# saving vocabulary
with open('D:\\bow\\image\\gun\\vocabulary.pkl', 'wb') as f:
    pickle.dump(voc, f)
print('vocabulary is:', voc.name, voc.nbr_words)

建立数据库

 
# -*- coding: utf-8 -*-
 
import pickle
from PCV.imagesearch import imagesearch
from PCV.localdescriptors import sift
import sqlite3
from PCV.tools.imtools import get_imlist
 
# 获取图像列表
imlist = get_imlist('D:\\bow\\image\\')
nbr_images = len(imlist)
# 获取特征列表
featlist = [imlist[i][:-3] + 'sift' for i in range(nbr_images)]
 
# load vocabulary
# 载入词汇
with open('D:\\bow\\image\\vocabulary.pkl', 'rb') as f:
    voc = pickle.load(f)
# 创建索引
indx = imagesearch.Indexer('testImaAdd.db', voc)
indx.create_tables()
 
# go through all images, project features on vocabulary and insert
# 遍历所有的图像，并将它们的特征投影到词汇上(比如我的是165张图片)
for i in range(nbr_images)[:164]:
    locs, descr = sift.read_features_from_file(featlist[i])
    indx.add_to_index(imlist[i], descr)
# commit to database
# 提交到数据库
indx.db_commit()
 
con = sqlite3.connect('testImaAdd.db')
print(con.execute('select count (filename) from imlist').fetchone())
print(con.execute('select * from imlist').fetchone())

在数据库中搜素图像

# -*- coding: utf-8 -*-
 
import pickle
from PCV.localdescriptors import sift
from PCV.imagesearch import imagesearch
from PCV.geometry import homography
from PCV.tools.imtools import get_imlist
 
# load image list and vocabulary
# 载入图像列表
imlist = get_imlist('D:\\bow\\image\\')  # 存放数据集的路径
nbr_images = len(imlist)
# 载入特征列表
featlist = [imlist[i][:-3] + 'sift' for i in range(nbr_images)]
 
# 载入词汇
with open('D:\\bow\\image\\vocabulary.pkl', 'rb') as f:  # 存放模型的路径
    voc = pickle.load(f)
src = imagesearch.Searcher('testImaAdd.db', voc)
 
# index of query image and number of results to return
# 查询图像索引和查询返回的图像数
q_ind = 150
nbr_results = 5
 
# regular query
# 常规查询(按欧式距离对结果排序)
res_reg = [w[1] for w in src.query(imlist[q_ind])[:nbr_results]]
print('top matches (regular):', res_reg)
 
# load image features for query image
# 载入查询图像特征
q_locs, q_descr = sift.read_features_from_file(featlist[q_ind])
fp = homography.make_homog(q_locs[:, :2].T)
 
# RANSAC model for homography fitting
# 用单应性进行拟合建立RANSAC模型
model = homography.RansacModel()
rank = {}
 
# load image features for result
# 载入候选图像的特征
for ndx in res_reg[1:]:
    locs, descr = sift.read_features_from_file(featlist[ndx])  # because 'ndx' is a rowid of the DB that starts at 1
    # get matches
    # 获取匹配数 # get matches执行完后会出现两张图片
    matches = sift.match(q_descr, descr)
    ind = matches.nonzero()[0]
    ind2 = matches[ind]
    tp = homography.make_homog(locs[:, :2].T)
    # compute homography, count inliers. if not enough matches return empty list
    # 计算单应性，对内点技术。如果没有足够的匹配书则返回空列表
    try:
        H, inliers = homography.H_from_ransac(fp[:, ind], tp[:, ind2], model, match_theshold=4)
    except:
        inliers = []
    # store inlier count
    rank[ndx] = len(inliers)
 
# 将字典排序，以首先获取最内层的内点数
sorted_rank = sorted(rank.items(), key=lambda t: t[1], reverse=True)
res_geom = [res_reg[0]] + [s[0] for s in sorted_rank]
print('top matches (homography):', res_geom)
 
# 显示查询结果
imagesearch.plot_results(src, res_reg[:8])  # 常规查询
imagesearch.plot_results(src, res_geom[:8])  # 重排后的结果