sift+bag_of_words+LDA实现图片搜索（二）

8、直方图的匹配

通过kmeas得到聚类中心后，每张图片会得到一个直方图，最简单的比较方法如下：

图片a直方图：（a1,a2,a3,a4,a5..............）

图片b直方图：（b1,b2,b3,b4,b5..............）

直方图是向量，评价两个向量是否相似，最简单的办法就是求这两个向量的距离（夹角），距离（夹角）越小，说明两个向量越相似，从而也就代表两幅图像相似。

因而可以得出匹配的一般方法：将目标图片的直方图与图库里面所有图片的直方图全部计算距离，然后将距离按从小到大排序，排名越靠前说明该图与目标图片越相似。

但是这样也会产生问题，如果我的图片库很大，那么与图片库中每个直方图计算一次距离也是很费时间的，所以我们必须想办法减少匹配样本的数量。这里介绍一种办法：哈希表

如果中心有10W个，那么我们的直方图就是1*10w的向量，我们首先遍历图库里面所有直方图，再遍历直方图的每一维，如果该维不为0，我们就挂到列表的后面，列表的长度也是10W，比如图像1的直方图的第0维不为0，我们就把该图片挂到0的后面，图像10的第4维不为0，我们就把图片10挂到4的后面，这样我们就会得到一个统计表，第一维不为0的有*******图片，第二维不为0的有*******图片。这里推荐用C++ vector实现。

得到这样一个统计哈希表后，这个时候如果有图片需要匹配的，得到目标图片的直方图后，我们也遍历该直方图，如果第一维不为0，我们就比较哈希表第一维后面挂的图片的直方图，如果第一维为0，我们就跳过去。

这样做的道理在于，如果两幅图片相似，那么他们两个肯定有相同是视觉词汇，我们只需要比较含有相同词汇的直方图，这样就会过滤掉很多没有视觉词汇的图像，如果速度还是不符合要求，我们可以继续设定阈值，要含有相同视觉词汇>A个我们才比较。

通过上面的方法，我们已经可以轻松完成图像搜索的功能了。

9继续优化——LDA

通过撒谎女光面哈希表的方式，我们已经过滤掉了很多图像，提高匹配速度，我们可以从另一个角度来思考：我们可以预先将图片库中相似的图片分类，这时如果需要匹配，我们首先可以判断出该图属于某类，然后在已经分类的图库中查询，又会减少很多匹配的样本了，LDA介绍参考博客： http://blog.csdn.net/kamo54/article/details/7721679

LDA网上我找到的有两个版本，使用过程中，会有些小错，代码存在数组访问越界的问题，稍微把数组申请的改大就了，我使用的代码是GibbsLDA++，大家可以直接google可以下载到，接下来我说明下怎么将本系统使用到LDA代码中，LDA是无监督的学习算法，不用预先提供标签。输入文件如下：

第一行的200代表你的输入图片有200张，下面有200行数据，每行代表一张图片，每一行的数据就是该图像直方图不为0的项。

LDA的输出有4个文件：

这里我们分类只需要.theta文件：

该输出文件也有200行，我设置的将图片分为10类，所以文件每行有10列，10个数据中最大的那个数就是图像的归类，比如第一张图片第二列数据0.254961最大，所以第一张图片就属于第二类，我们自己可以写一个简单的程序将所有图片归类。

下面是我的其中4类分类效果：

看以看出每个分类的效果是非常好的。

经过LDA预先将图像库里面的图片分好类，然后再匹配的时候判断该图片的类别，只需要和对应类别里面的图像进行比较，效果会快很多。