计算机视觉——bow图像检索

1.BOW模型简介

Bag of words，顾名思义，就是单词袋模型。这里的“单词”指代我们在图像数据库中所提取出的“图像特征”，每个特征就是一个单词，如下图所示。我们主要通过匹配图像中出现单词频率“最像”的图像，为其匹配图像。通过获取到的单词直方图，计算其与数据库中图像的欧氏距离，规定一定阈值内的图像为其所匹配到的图像，最终实现图像识别与搜索。
Bag-of-words模型应用于文档表示：
在信息检索中，BOW模型假定对于一个文档，忽略它的单词顺序和语法、句法等要素，将其仅仅看作是若干个词汇的集合，文档中每个单词的出现都是独立的，不依赖于其它单词是否出现。 也就是说，文档中任意一个位置出现的任何单词，都不受该文档语意影响而独立选择的。
Bag-of-features模型应用于图像：
采用k -means 聚类方法对所提取的大量特征进行无监督聚类，将具有相似性较强的特征归入到一个聚类类别里，定义每个聚类的中心即为图像的“单词”，聚类类别的数量即为整个视觉词典的大小。这样，每个图像就可以由一系列具有代表性的视觉单词来表示， 在得到每类图像的视觉单词袋表示之后，便可以应用这些视觉单词来构造视觉词典，然后对待分类图像进行同样方法的特征提取和描述，最后将这些特征对应到视觉词典库中进行匹配，去寻找每个特征所对应的最相似的视觉单词，得到直方图统计表示，然后应用分类器进行分类。这样就将应用于文档处理的BOW模型思想成功地移植到了图像处理领域。

2.基于bag of words的图像检索基本步骤

2.1 特征提取

2.2 学习 “视觉词典（visual vocabulary）”

将所有提取到的特征点进行归类，获得“单词”，将所有的单词整合为一份“视觉词典”

2.3 针对输入特征集，根据视觉词典进行量化

2.4 把输入图像转化成视觉单词（visual words）的频率直方图

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

用K邻近算法，进行图像的检索。给定输入图像的BOW直方图, 在数据库中查找 k 个最近邻的图像 。对于图像分类问题，可以根据这k个近邻图像的分类标签， 投票获得分类结果 。

2.6 根据索引结果进行直方图匹配

我们可以利用建立起来的索引找到包含特定单词的所有图像。为了获得包含多个单词的候选图像，有两种解决方法。
（1）我们可以在每个单词上进行遍历，得到包含该单词的所有图像，然后合并这些列表。接着对在合并了的列表中，对每一个图像id出现的次数进行跟踪排序，排在列表最前面的是最好的匹配图像。
（2）如果不想遍历所有的单词，可以根据其倒排序文档频率权重进行排序，并使用那些权重最高的单词，在这些单词上进行遍历，减少计算量，提高运行的效率。

3.源代码

3.11 生成词汇表

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


#获取图像列表
imlist = get_imlist('datasets/')
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, 888, 10) # 使用k-means算法在featurelist里边训练处一个词汇
                             # 注意这里使用了下采样的操作加快训练速度
                             # 将