Bag of Features (BOF)图像检索算法原理及实现

一丶原理

1.特征提取：通过sift算法提取图像特征。
2.学习“视觉词典”。
3.针对输入特征集，根据视觉词典进行量化。
4.把输入图像，根据TF-IDF转化成视觉单词（visual words）的频率直方图。
5.构造特征到图像的倒排表，通过倒排表快速索引相关图像
6.根据索引结果进行直方图匹配。

二丶实现

1.生成视觉词典代码：

# -*- 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('F:/VSCode/ch/images/')
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('ukbenchtest')
voc.train(featlist, 1000, 10)
#保存词汇
# saving vocabulary
with open(r'F:\VSCode\ch\images\vocabulary.pkl', 'wb') as f:
    pickle.dump(voc, f)
print ('vocabulary is:&