基于内容的图像检索(2):算法流程以及典型方法及相关资料

一、图像检索方法流程

• 流程 ：构建特征库，构建索引，图像检索
  构建索引的一个例子是，倒排索引，所谓倒排索引：就是利用稀疏的特征值代替文件编号作为索引值，可以提高检索的效率）
• 核心方法：特征提取，近邻查找
• 特征提取：全局特征、局部特征
  全局特征与局部特征需要不同的检索方法，如果是全局特征可以直接通过欧式距离进行相似性比较，局部特征一般包含：特征点和特征描述符，则需要对局部的特征点进行匹配，匹配过程更加复杂。
• 查找方法：近邻查找，近似最近邻查找方法（ANN）

二、几种典型的特征提取方法

2.1 BOF（bag of feature）

这种方法起源于文本分析中的BOW方法，其主要过程分为以下几步：

• 使用surf生成图像的特征描述点和特征描述点的特征描述符

• 使用聚类算法将上述特征描述符进行聚成K类，每一类生成一个聚类中心

• 将描述符与各个聚类中心进行计算欧式距离，选择最近的距离，在该聚类中心内的频数上加1，生成频数表

• 通过tf-idf对频数进行加权，生成最终的BOF

  • 词频（Term frequency,TF)给定词在文件中出现的次数。例如tf=3/100表示包括100个词语的文档中，词语Z出现了3次。
  • 逆文档频率（inverse Document F