基于SIFT及BOW的图像检索

一、什么是图像检索

图像检索就是基于图像的某一特征对其他图片进行匹配检索。从20世纪70年代开始，有关图像检索的研究就已开始，当时主要是基于文本的图像检索技术（Text-based Image Retrieval，简称TBIR），利用文本描述的方式描述图像的特征，如绘画作品的作者、年代、流派、尺寸等。到90年代以后，出现了对图像的内容语义，如图像的颜色、纹理、布局等进行分析和检索的图像检索技术，即基于内容的图像检索（Content-based Image Retrieval，简称CBIR）技术。在这里我们主要讨论的是基于内容的图像检索
BOW（bag of words）模型最初应用于文本处理领域，用来对文档进行分类和识别。

二、实现图像检索的步骤

1、 基于SIFT进行特征提取
在这一点，我在前面的笔记中有详细的介绍过如何进行基于sift算子的特征提取。将待处理的图片都进行SIFT特征提取处理，并且保存在原来存放图片的文件夹中，备用。
2、学习构建“视觉词典（visual vocabulary）”
对于已经提取的图像特征进行遍历，并利用聚类方法（本次实验使用K-Means算法）将其投影到词汇上，，特征描述子分为K个簇，以使簇内具有较高的相似度，而簇间相似度较低，将词义相近的词汇合并，作为单词表中的基础词汇，聚类类别的数量K即为整个视觉词典的大小基础词汇的个数。提交至数据库，由此产生该图片群的视觉词典。
3、针对输入特征集，根据视觉词典进行量化