基于BOF的图像检索

BOF

Bag of Feature (BOF)算法简介

BOF的本质是提出一种图像的特征表示方法。按照BOF算法的思想，首先我们要找到图像中的关键词，而且这些关键词必须具备较高的区分度。实际过程中，通常会采用SIFT特征。
有了特征之后，我们会将这些特征通过聚类算法得出很多聚类中心。这些聚类中心通常具有较高的代表性，比如，对于人脸来说，虽然不同人的眼睛、鼻子等特征都不尽相同，但它们往往具有共性，而这些聚类中心就代表了这类共性。我们将这些聚类中心组合在一起，形成一部字典。
对于图像中的每个「SIFT」特征，我们能够在字典中找到最相似的聚类中心，统计这些聚类中心出现的次数，可以得到一个向量表示（有些文章称之为直方图），如本文开篇的图片所示。这些向量就是所谓的Bag。这样，对于不同类别的图片，这个向量应该具有较大的区分度，基于此，我们可以训练出一些分类模型，并用其对图片进行分类。

BOF 算法过程

1、创建词汇
2、创建图像索引
3、在数据库中搜索图像

TF-IDF
对于直方图向量，我们引入 TF-IDF 权值
我们需要对每一个词给一个权重。而且这个权重必须满足以下两个条件：
1、一个词对主题预测能力越强，权重越大；
2、停止词权重为 0；

实验代码

创建数据库

from numpy import *
import pickle
import sqlite3
from functools import cmp_to_key
import operator


class Indexer(object):

    def __init__(self, db, voc):
        """ Initialize with the name of the database
            and a vocabulary object. """

        self.con = sqlite3.connect(db)
        self.voc = voc

    def __del__(self):
        self.con.close()

    def db_commit(self):
        self.con.commit()

    def get_id(self, imname):
        """ Get an entry id and add if not present. """

        cur = self.con.execute(
            "select rowid from imlist where filename='%s'" % imname)
        res = cur.fetchone()
        if res == None:
            cur = self.con.execute(
                "insert into imlist(filename) values ('%s')" % imname)
            return cur.lastrowid
        else:
            return res[0]

    def is_indexed(self, imname):
        """ Returns True if imname has been indexed. """

        im = self.con.execute("select rowid from imlist where filename='%s'" % imname).fetchone()
        return im != None

    def add_to_index(self, imname, descr):
        """ Take an image with feature descriptors,
            project on vocabulary and add to database. """

        if self.is_indexed(imname): return
        print('indexing', imname)

        # get the imid
        imid = self.get_id(imname)

        # get the words
        imwords = self.voc.project(descr)
        nb