python计算机视觉编程——基于BOF的图像检索（附代码） 计算机视觉.pdf
需积分: 39 190 浏览量
2022-04-21
13:49:34
上传
评论 4
收藏 774KB PDF 举报
python计算机视觉编程——基于BOF的图像检索（附代码）
图像检索
此次实验的内容主要有关于图像检索的内容，与教材《python计算机视觉编程》衔接，将展⽰如何利⽤⽂本挖掘技术对基于图像视觉内容
进⾏图像搜索。
⼀、图像检索
由于暴⼒检索（即⼀张⼀张图像直接对⽐）需要花费⼤量的计算机运⾏时间和内存，考虑到检索效率，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。CBIR属于基于内容检索（Content-
based Retrieval，简称CBR）的⼀种，CBR中还包括对动态视频、⾳频等其它形式多媒体信息的检索技术。
总的来说图像检索就是从⼤量的图像数据库中检索出满⾜条件的图⽚，技术包括：
基于⽂本的图像检索技术
基于内容的图像检索技术
1.1基本原理
由于对于⼤场景数据集（如城市场景）, 只有极少部分的图像对具有匹配关系，为了解决这⼀问题，我们利⽤图像整体特征实现匹配检索，
⽽⾮局部特征点。
在检索原理上，⽆论是基于⽂本的图像检索还是基于内容的图像检索，主要包括三⽅⾯：
⼀⽅⾯对⽤户需求的分析和转化，形成可以检索索引数据库的提问；
另⼀⽅⾯，收集和加⼯图像资源，提取特征，分析并进⾏标引，建⽴图像的索引数据库；
最后⼀⽅⾯是根据相似度算法，计算⽤户提问与索引数据库中记录的相似度⼤⼩，提取出满⾜阈值的记录作为结果，按照相似度降序的
⽅式输出。
1.2 BOW原理简述（同BOF原理）
剩余11页未读，继续阅读
资源评论
