Bag of features图像检索

weixin_43936680

于 2021-06-06 22:03:33 发布

阅读量449

点赞数

本文链接：https://blog.csdn.net/weixin_43936680/article/details/117603600

版权

Bag of features图像检索

一、原理

一、原理

1、Bag-of-words

Bag-of-words用于图像和视频的检索，其来源于文本分类技术。在信息检索中，给定一个文本，根据文本中的词频分布，构造文本描述子。文本中每个词的出现都是独立的，与其出现的位置和顺序无关。因此，图像检索可以从每张图片中提取关键特征，使用某种聚类算法将局部特征进行聚类，每个聚类中心被看作是词典中的一个视觉词汇，所有视觉词汇形成一个视觉词典。图像中的每个特征映射到视觉词典中的某个词上，统计每个视觉词汇出现的次数，形成一个直方图。
在这里插入图片描述

2、步骤

2.1 特征提取

采用SIFT方法提取所有图片的关键特征，
在这里插入图片描述

2.2 学习 “视觉词典（visual vocabulary）

采用K-means进行聚类，假设输入的图片经特征提取后，有n个特征点，由聚合得到k个集合，每个集合的聚类中心就构成了视觉词典。
步骤：

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，根据欧氏距离计算每个特征 xi 与其相对应的聚类中心 mk 之间的欧式距离，找到最小的那个聚类中心，将该特征点放入此聚类质心集合中。
对每个集合，根据其对应的特征集重新计算聚类中心

如图表示：

在这里插入图片描述
如何选择视觉词典/码本的规模?

太少:视觉单词无法覆盖所有可能出现的情况
太多: 计算量大，容易过拟合

常见设置：视觉单词数量（K-means算法获取的聚类中心）一般为K=3000~10000. 即图像整体描述的直方图维度为3000~10000.

2.3 针对输入特征集，根据视觉词典进行量化

量化的过程就是计算每个特征到所有的视觉单词的距离，映射到距离最近的，并将对应视觉单词的频数加1

2.4 把输入图像，根据TF-IDF（词频-逆向文档频率）转化成视觉单词（visual words）的频率直方图

2.4.1TF-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，它对匹配的用处就越小，比如“的”，每篇文章中出现的概率很大，区别不大。

TF：词频，指的是一个给定的词语在该文件中出现的次数
IDF：逆文档频率，描述了某一个特定词语的普遍重要性，如果某词语在许多文档中都出现过，表明它对文档的区分力不强，则赋予较小的权重，IDF越小;反之IDF越大。

2.4.2 构建频率直方图

在这里插入图片描述
将投票值(TF)与“视觉单词”(IDF)权重相乘，得到频率直方图。

2.5 构造特征到图像的倒排表，通过倒排表快速索引相关图像

倒排表就是逆向的检索方法，在前面几步查找出来的词汇，反向查找出现这些词汇的文章，如图，查找多个词汇，就形成了一个倒排表
在这里插入图片描述
BOF通过对视觉词汇的反向查找，得到拥有同一视觉词汇的图像集合，反复多次就得到一张倒排表。这样根据倒排表就可以快速地在图像库中找到与新图像相似的图像。

2.6根据索引结果进行直方图匹配

输入一张图片进行图像的检索，用K邻近算法，给出前面图像集的直方图，在数据库中查找K个最近邻的图像。

二、实验

1、步骤

构造不小于100张图片的数据集
针对数据集，做SIFT特征提取
根据SIFT特征提取结果，采用k-means算法学习“视觉词典（visual vocabulary）”，其中维度至少满足4个量级（比如10，50，100，1000，5000）
根据IDF原理，计算每个视觉单词的权
针对数据库中每张图片的特征集，根据视觉词典进行量化，以及TF-IDF解算。每张图片转化成特征向量
对于输入的检索图像（非数据库中图片），计算SIFT特征，并根据TF-IDF转化成频率直方图/特征向量
构造检索图像特征到数据库图像的倒排表，快速索引相关候选匹配图像集
针对候选匹配图像集与检索图像进行直方图/特征匹配

2、代码

1、SIFT特征提取并建立视觉词典

# -*- coding: utf-8 -*-
import pickle
from PCV.imagesearch import vocabulary
from PCV.tools.imtools import get_imlist
#from PCV.localdescriptors import sift
import sift
#获取图像列表
#imlist = get_imlist('E:/Vision/sift/BagOfFeature/u')

imlist = get_imlist('E:/Vision/sift/BagOfFeature/datas/jpg')
nbr_images = len(imlist)
print(nbr_images)
#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('test77_test')
voc.train(featlist, 1000, 10)
    
#保存词汇

with open('E:/Vision/sift/BagOfFeature/BOW/vocabulary.pkl', 'wb') as f:
    pickle.dump(voc, f)
print ('vocabulary is:', voc.name, voc.nbr_words)

词汇保存在.pkl文件中，voc.train(featlist, 1000, 10)中的第二个参数对应维度K,不同的K值生成的词汇数量不同，分别存储在不同的文件件中，以下分别对应K=50,100,500,1000的词汇
在这里插入图片描述

2、建立图像索引和数据库

import pickle
from PCV.imagesearch import vocabulary
from PCV.tools.imtools import get_imlist
from PCV.localdescriptors import sift
from PCV.imagesearch import imagesearch
from PCV.geometry import homography
from sqlite3 import dbapi2 as sqlite # 使用sqlite作为数据库
#提取特征描述子以建立视觉单词词汇

#获取图像列表
#imlist = get_imlist('E:/Vision/sift/BagOfFeature/u')
imlist = get_imlist('E:/Vision/sift/BagOfFeature/datas/jpg')
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('E:/Vision/sift/BagOfFeature/BOW/vocabulary.pkl', 'rb') as f:
    voc = pickle.load(f)
#创建索引
indx = imagesearch.Indexer('testImaAdd1000.db',voc) # 在Indexer这个类中创建表、索引，将图像数据写入数据库
indx.create_tables() # 创建表
# 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
for i in range(nbr_images)[:888]:
    locs,descr = sift.read_features_from_file(featlist[i])
    indx.add_to_index(imlist[i],descr) # 使用add_to_index获取带有特征描述子的图像，投影到词汇上
                                       # 将图像的单词直方图编码存储
# commit to database
#提交到数据库
indx.db_commit()

con = sqlite.connect('testImaAdd1000.db')
print (con.execute('select count (filename) from imlist').fetchone())
print (con.execute('select * from imlist').fetchone())

不同的维度K生成不同的数据库，所以数据库名字要和前面的不一样
在这里插入图片描述

3、图像检索

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('E:/Vision/sift/BagOfFeature/datas/jpg')
nbr_images = len(imlist)
print(nbr_images)
#载入特征列表
featlist = [imlist[i][:-3]+'sift' for i in range(nbr_images)]

#载入词汇
with open('E:/Vision/sift/BagOfFeature/BOW/vocabulary.pkl', 'rb') as f:
    voc = pickle.load(f)

src = imagesearch.Searcher('testImaAdd1000.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 = 17
nbr_results =8

# 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
    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
    try:
        H,inliers = homography.H_from_ransac(fp[:,ind],tp[:,ind2],model,match_theshold=4)
    except:
        inliers = []
    # store inlier count
    rank[ndx] = len(inliers)

# sort dictionary to get the most inliers first
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[1:8]) #常规查询
imagesearch.plot_results(src,res_geom[1:8]) #重排后的结果

4、结果：
使用的图片集一共有10种类型，每种类型大概30多张，共315张图片
数据集下载
在这里插入图片描述

查询的图片：
在这里插入图片描述
kmeans聚类时选取维度K不同得到的结果也不同，下列分别输出匹配前七的图片：

50维
常规查询
在这里插入图片描述
重排后的结果：

100维常规查询：

100维重排后：

500维常规查询：

500维重排后：

1000维常规查询：

1000维重排后：

总结：
总体来看，匹配效果并不是很好，可能是由于图片集只有300多张，数据量不够，特征点不够多。
测试的图片其实是一只狗，但发现匹配的结果很多是猫，而且随着维度的增加，匹配到猫的数量越多，可能是因为测试图片的动物和猫的颜色纹理特征都有很大的相似，所以匹配错误。
但是相对前几维来说，随着维度增加，查询的效果越好。重排后的结果和常规查询一模一样，可能还是图片集数量少，图片特征不明显，匹配的点少。