一种基于SIFT特征权排序多图关联图像搜索方法
基于SIFT特征点的图像拼接技术研究
基于SIFT特征点的图像拼接技术研究一、本文概述图像拼接技术作为计算机视觉领域的重要研究方向，旨在将多幅具有重叠区域的图像进行无缝连接，生成一幅宽视角或全景图像。
这一技术在许多领域都有着广泛的应用，如遥感图像处理、虚拟现实、全景摄影等。
近年来，随着数字图像处理技术的快速发展，基于特征点的图像拼接方法因其高效性和稳定性受到了广泛关注。
其中，尺度不变特征变换（SIFT）作为一种经典的特征提取算法，在图像拼接中发挥着重要作用。
本文旨在深入研究基于SIFT特征点的图像拼接技术，分析其基本原理、算法流程以及关键步骤，并通过实验验证其在实际应用中的效果。
文章将介绍SIFT算法的基本原理和特征提取过程，包括尺度空间的构建、关键点检测和描述子的生成等。
将详细阐述基于SIFT特征点的图像拼接流程，包括特征匹配、几何变换模型的估计、图像配准和融合等步骤。
同时，还将讨论在拼接过程中可能出现的问题和相应的解决方法。
本文将通过实验验证基于SIFT特征点的图像拼接方法的有效性。
实验中，将使用不同场景和不同类型的图像进行拼接，分析算法在不同情况下的性能表现。
还将与其他图像拼接算法进行对比，以评估SIFT算法在图像拼接中的优势和局限性。
文章将总结基于SIFT特征点的图像拼接技术的研究成果和实际应用价值，并展望未来的研究方向和发展趋势。
通过本文的研究，旨在为图像拼接技术的发展和应用提供有益的参考和借鉴。
二、SIFT算法原理尺度不变特征变换（Scale-Invariant Feature Transform，SIFT）是一种广泛应用于图像处理和计算机视觉领域的特征检测和描述算法。
SIFT算法的核心思想是在不同的尺度空间上查找关键点，并计算出关键点的方向，生成一种描述子，这个描述子不仅包含了关键点，也包含了其尺度、方向信息，使得特征具有尺度、旋转和亮度的不变性，对于视角变化、仿射变换和噪声也保持一定的稳定性。
SIFT算法主要包括四个步骤：尺度空间极值检测、关键点定位、关键点方向赋值和关键点描述子生成。
基于sift特征的图像匹配算法
２１ ．特征点方向的确定
利用特征点邻域像素的的梯 度方 向分布特征 ，为每
一
个特征点指定方 向参数 ，使算子具有 尺度不变性 。
ｍｘ ）√ ＋ ｙ Ｌ 一） ＋ ， １ Ｌ ， ｌ （ ＝ ｌ） （ １） ） （Ｙ ， ， 一 ｘ ， ， ＋一 ｘ— ０ｘ ）ｏ ｎ ＯｙＯ Ｌ ， １／ （ １）三 一） ） ９ ， ＝ ２ ， －（ｙ ）（ ｘ ，一 Ｏ １） （ ） ｙ ｔ ｔ ａ ＋ ￣ －）Ｌ ＋ ，） ，
２２ ＊ 个种子 点 ，每个 种子 点８ 方 向 ，共可生 产３ 个数 个 ２
二 、算 法 实现 和 实验 结果
实验算法采用Ｖ ２ ０ 开发 。结果如下 ： Ｃ ０８ 第一 组实 验 ，上 图是 由下 图放大 而来 ，且 ±
光 照 强 度 。两 幅 图 中
的箭 头 方 向代 表 了该 像 素 点 的梯 度 方 向 ，
ＬｘＹｏ ＝Ｇ ｘＹ ） （，） （ ） （，， ） （， ，ｏ Ｉｘ ２
ＳＦ 特征匹配算法是Ｄａｉ Ｌ ｗｅ ０ ４ ＩＴ ｖｄＧ．ｏ 在２ ０ 年总结了
现有 的基于不变量特征检测技术的基 础上 ，提出的一种
基于尺度空 间的，对 图像缩放 、旋转甚至仿 射变换保持
不 变性 的 图像 局部特 征描述算 法 。ＳＦ 特征是 图像 局 ＩＴ
骤 ：１ 特征点 的检测 ；２特 征 向量 的生成 ；３特 征 向 ． 是 ． ．
量的匹配。
尺度对应 于图像 的概貌特征 ，小尺度对应于图像 的细节
特征 。选择 合适 的尺度 因子平 滑是建 立 尺度空 间 的关 键 。在这里 ，主要是建立高斯金字塔和Ｄ Ｇ（ ｉ ｅｅ ｃ Ｏ Ｄ ｆ ｒｎ ｅ
１ ． ．
基于SIFT特征的图像匹配技术研究
基于SIFT特征的图像匹配技术研究一、引言图像匹配技术作为计算机视觉领域的核心技术，具有广泛的应用前景，如拍照搜索、视觉地图构建、安防监控等领域。
图像匹配技术通过对图像的特征提取和匹配，实现不同场景下图像的匹配，为实现人工智能的目标提供了有力的支持。
SIFT特征是一种局部图像特征，由于具有特征独特、不受光线、视角等因素影响的优点，被广泛应用于图像匹配领域。
本文将从图像匹配的基本原理、SIFT特征提取及匹配算法等方面，深入研究基于SIFT特征的图像匹配技术。
二、基本原理1.图像匹配图像匹配是指在两个或多个图像中寻找相同或相似的目标。
其基本流程包括特征提取、特征匹配、求解相对姿态和目标的三维位置等步骤。
其中特征提取和匹配是图像匹配技术的核心。
在特征提取过程中，一种常见的方法是对图像进行降维处理，通过减少图像中的冗余信息，提取出与目标相关的有用信息。
在特征匹配过程中，通过对两幅图像中的特征点进行匹配，得到两幅图像中特征点间的对应关系，进而求解相对姿态和三维位置。
2.SIFT特征SIFT（Scale-Invariant Feature Transform）是一种局部图像特征，由David Lowe于1999年提出。
SIFT特征具有以下特点：（1）尺度不变性：通过高斯差分函数，实现对图像的多尺度分解，提取出具有不同尺度的特征点，并保持在不同大小的图像中也能被识别。
（2）旋转不变性：通过对每个特征点周围进行旋转不变性的描述，确保特征点描述符不受旋转角度的影响。
（3）光照不变性：通过对图像进行归一化，使特征点描述符不受光照、阴影等因素的影响。
（4）特征独特性：SIFT特征通过对图像的局部邻域进行描述，从而提取出具有独特性和区分度的特征点。
三、SIFT特征提取算法SIFT特征提取算法主要分为四个步骤，分别是关键点检测、方向分配、特征描述和特征匹配。
1.关键点检测关键点检测是SIFT算法的第一步，其目的是在图像中寻找稳定的局部特征点。
基于SIFT算法的图像匹配研究
基于SIFT算法的图像匹配研究近年来，随着计算机视觉领域的发展，图像匹配成为一个热门的研究领域。
图像匹配是指在两个或多个图像之间找到相同或相似的内容。
在许多应用程序中，如图像检索、物体识别、拼接和增强，图像匹配是一个至关重要的问题。
其中，SIFT算法是一种流行的技术，它已被广泛应用于图像拼接、物体识别等各种领域。
SIFT算法是由David Lowe于1999年提出的一种图像特征提取算法。
它的主要思想是通过从图像中提取出具有唯一性和不变性的特征点，来进行图像匹配。
在提取特征点时，SIFT算法涉及到多个步骤，如高斯差分金字塔和尺度空间极值点检测。
特征点提取完成后，SIFT算法使用局部图像描述符来描述这些特征点，这些描述符对图像旋转、尺度和亮度变化具有不变性。
在使用SIFT算法进行图像匹配时，首先需要在两个图像中提取特征点。
然后，通过匹配这些特征点来计算它们之间的相似性。
如果特征点的相似性得分高于阈值，则认为它们是匹配的。
在实践中，SIFT算法虽然非常流行，但也存在一些缺点。
由于SIFT算法需要计算复杂的高斯差分金字塔和尺度空间极值点检测，因此它的计算复杂度非常高。
此外，SIFT算法对于光照变化和旋转变换比较敏感，这会导致匹配结果的不准确。
为了克服这些缺点，研究人员提出了一些改进的SIFT算法。
例如，SURF算法使用快速的Hessian矩阵检测技术代替了SIFT算法中的高斯卷积和Laplacian检测。
这使得SURF算法具有更快的计算速度和更高的稳定性。
此外，ORB算法使用快速响应二进制特征来代替SIFT算法中的变量高斯模板和Haar小波变换。
这使得ORB算法在特征提取和匹配方面更加高效和准确。
除了SIFT算法，还有许多其他的图像特征提取算法，如SURF、ORB、FAST、BRIEF等。
每种算法都有其优缺点，研究人员需要在不同应用场景下选择最适合的算法。
总之，基于SIFT算法的图像匹配研究在计算机视觉领域发挥了重要作用。
基于SIFT特征的图像检索技术研究
然而，现有的基于SIFT特征的图像检索方法还存在一些挑战和问题，如特征 选择的不准确性和跨域性问题等。未来的研究可以针对这些问题展开深入探讨， 进一步提高图像检索的准确性和效率。此外，随着深度学习技术的快速发展，研 究者可以尝试将深度学习与基于SIFT特征的图像检索技术相结合，探索更有效的 图像特征表达和匹配方法。
1、图像特征提取
图像特征提取是图像检索的核心，它通过一定的算法从图像中提取出能够代 表图像内容的关键信息，如颜色、纹理、形状等。这些特征可以有效地描述图像 的内容和特征，为后续的图像比较和分析提供基础。常用的特征提取方法包括 SIFT、SURF、ORB等。
2、相似度比较
在提取出图像的特征之后，我们需要对这些特征进行比较，以确定两幅图像 的相似度。常用的相似度比较方法包括欧氏距离、余弦相似度、交叉相关等。这 些方法通过计算特征向量之间的距离或者相关系数，来评估两幅图像的相似程度。
3、检索算法
基于特征的图像检索技术中常用的检索算法包括基于内容的检索、基于神经 网络的检索和基于深度学习的检索等。其中，基于内容的检索通过比较查询图像 和库中图像的特征，找出最相似的图像；基于神经网络的检索通过训练神经网络 来学习图像特征和标签之间的关系，从而对新的图像进行分类和检索；基于深度 学习的检索通过构建深度神经网络模型，对图像进行深度特征提取和分类，从而 实现高精度的图像检索。
SIFT特征最早由David Lowe在1999年提出，具有尺度不变性、旋转不变性、 亮度不变性等优点。自提出以来，SIFT特征在计算机视觉领域得到了广泛应用， 包括目标识别、图像配准、图像检索等。在图像检索领域，SIFT特征可以有效地 表达图像的内容和特征，提高检索准确率。然而，现有的基于SIFT特征的图像检 索方法还存在一些问题，如特征选择不准确、匹配效率低等。
基于图像SIFT特征的图像检索方法
图 ６ 图像检索的结果
参考文献
[1] LOW D G.Object recognition from local scale-invariant features[C].IEEE, 1999.
[2] 吴 锐 航 .基 于 SIFT特 征 的 图 像 检 索 [J]. 计 算 机 应 用 研 究 ,2008:478-481.
16723791200912a008102图2由关键点领域梯度特征确定关键点方向图1dog金子塔和高斯金字塔及多尺度空间极值选取图4图像具体匹配结果82科技资讯科技资讯sciencetechnologyinformation2009no34sciencetechnologyinformation图5目标图像旋转之后的匹配结果图6图像检索的结果就要把这些特征值存入数据库中使用kd树中的最邻近优先算法进行特征值的查也就是对于相比之下尺度更大的图像中的特征在检测时给与的衡量权重更大一使得较大尺度的图像特征对过滤在kd树中最相似的相邻结点起更关键的作用
*I(x,y)
=L(x,y,kσ)- L(x,y,σ)
(1-3)
采用DOG算子建立的尺度空间如图1
左 边 所 示 。最 底 层 图 像 没 有 进 行 高 斯 滤 波 ,
整 塔 分 为 n阶 ,每 阶 有 s层 ,为 得 到 DOG金 字
塔,则 要 在 每 层 得 到 s+3幅 图 片,对应产生
是 s+ 2幅 DO G图 像 。在 建 立 了 多 尺 度 图 像 空
（上接 ８ ０ 页）
一段时间后励磁;另一些则是一经合上电 源即开始励磁,这样就容易烧坏线圈;甚至 有一些电磁锁装在照明回路上,则更加不 合 理 。可 采 用 图1弥 补 该 缺 陷 。
基于一种SIFT优化算法的图像检索
Micr ocomputer Applica tions V ol.27,No.5,2011设计与研究微型电脑应用2011年第27卷第5期文章编号：1007-757X(2011)05-0004-04基于一种SIFT优化算法的图像检索吴建波，赵建民，朱信忠，徐慧英摘要：提出了一种基于优化后的SIFT图像检索算法,该算法采用高斯核尺寸自适应的方法来构建金字塔影像，降低其计算复杂度，然后按照传统步骤进行提取特征。
它将一幅图像转换成特征向量的集合,通过计算两幅图像特征向量间的欧氏距离来度量图像间的相似性，并且采用BBF搜索算法来提高检索速度。
实验结果表明，该改良后的算法具有尺度、平移、旋转不变性,一定的仿射、光照不变性，以及对特定形状特征目标的检索，无论在时间还是效率上都具有相当的优越性。
关键词:基于内容的图像检索;SIFT特征;KEMEL-PCA变换;BBF算法；中图分类号：TP391文献标志码：A0引言随着Internet和多媒体技术的迅猛发展，使得人们的信息来源不再局限于原有的简单文本数据，而是不断扩展到图形图像等多媒体领域。
单纯的采用文本形式的数据查询方式很难胜任当今大量出现的基于内容的图像等多种媒体数据的检索。
从20世纪90年代初期以来,逐渐形成了基于内容的海量多媒体索引和检索技术。
在图像领域中，最有代表性的是基于内容的图像检索(CBIR)，如QBIC，Photobook，VisualSeek和MARS等[1]。
基于内容的图像检索(CBIR)是利用图像本身的信息，通常以图像底层特征(颜色、纹理、形状与结构布局等)的相似性为检索依据,根据每幅图像都有的可比较特征进行检索[2]。
检索算法的核心问题是图像的相似度度量和图像的特征描述。
但这些基于底层特征的图像检索也有其不足之处。
如颜色特征是一种全局特征,它对图像或图像区域的方向、大小等变化不敏感,所以颜色特征不能很好地捕捉图像中对象的局部特征,也不能表达颜色空间分布的信息。
基于SIFT算法的图像特征抽取算法详解
基于SIFT算法的图像特征抽取算法详解图像特征抽取是计算机视觉领域中的一个重要任务，它能够帮助计算机理解和处理图像。
在众多的图像特征抽取算法中，SIFT（Scale-Invariant Feature Transform）算法因其在尺度不变性和旋转不变性方面的优秀表现而备受关注。
本文将详细介绍基于SIFT算法的图像特征抽取算法。
一、SIFT算法的原理SIFT算法的核心思想是在图像中寻找具有尺度和旋转不变性的关键点。
它通过以下步骤实现特征抽取：1. 尺度空间极值检测：SIFT算法首先通过高斯金字塔构建图像的尺度空间，然后在每个尺度上寻找图像中的极值点。
这些极值点通常对应于图像中的角点、边缘和斑点等显著特征。
2. 关键点定位：在尺度空间极值点的基础上，SIFT算法通过对尺度空间进行高斯差分操作，进一步精确定位关键点的位置。
这样可以减少对于尺度和旋转的敏感度，提高算法的稳定性。
3. 方向分配：为了实现旋转不变性，SIFT算法对每个关键点计算其主方向。
它通过计算关键点周围像素的梯度方向直方图，找到梯度方向直方图中的峰值作为关键点的主方向。
4. 特征描述：最后，SIFT算法对每个关键点周围的局部图像区域进行特征描述。
它将关键点周围的像素划分为若干个子区域，并计算每个子区域内像素的梯度直方图。
这样可以得到一个具有128维的特征向量，用于表示关键点的特征。
二、SIFT算法的优势SIFT算法在图像特征抽取方面具有以下优势：1. 尺度不变性：SIFT算法通过尺度空间极值检测和关键点定位，可以在不同尺度下寻找到相同的关键点。
这使得SIFT算法在处理具有不同尺度的图像时具有较好的性能。
2. 旋转不变性：SIFT算法通过方向分配，可以在不同旋转角度下找到相同的关键点。
这使得SIFT算法在处理具有旋转变换的图像时具有较好的鲁棒性。
3. 高维特征描述：SIFT算法通过局部图像区域的特征描述，可以提取到丰富的特征信息。
这使得SIFT算法在图像匹配和目标识别等任务中具有较好的性能。
一种基于SIFT特征的序列图像拼接算法
第28卷第6期 兵工自动化 Vol. 28, No. 6 2009年6月 Ordnance Industry Automation Jun. 2009·76·doi: 10.3969/j.issn.1006-1576.2009.06.028一种基于SIFT 特征的序列图像拼接算法刘彬，叶丽娜（解放军炮兵学院 研究生系42 队，安徽 合肥 230031）摘要：针对序列图像拼接问题，提出一种基于尺度不变特征（SIFT ）的自动拼接方法。
该方法首先计算图像SIFT 特征向量，作为匹配的依据，其次利用SIFT 特征进行图像配准，进一步配准的基础上利用图像交叠处距离差来线性融合边缘，取得较好的平滑的镶嵌效果，最后通过对真实场景序列图像进行拼接，实验验证了该方法的有效性。
关键词：序列图像；自动拼接；图像配准；线性融合 中图分类号：TP206; TP301.6 文献标识码：AAlgorithm for Sequence Image Splicing Based on SIFT FeaturesLIU Bin, YE Li-na(No. 43 Brigade of Postgraduate, Artillery Academy of PLA, Hefei 230031, China)Abstract: For sequence image splicing, propose an automatic splicing method on the basis of fixed dimension. The method first calculates images’ SIFT eigenvector and makes it the matching basis, then makes an image registration by using SIFT features and makes a linear edge fusion using the distance difference of image overlapping section. The experiment of image sequence stitching in real scene achieves the better smooth mosaic effect and show the method is effective.Keywords: Image sequence; Automatic stitching; Image registration; Linear image fusion0 引言图像序列自动拼接是指将一组内容相关的图像序列自动拼接为能够全面描述场景内容的全景图像。
基于sift特征点的图像匹配方法研究
3.匹配算法的一般步骤—特征提取
特 征 点
3.匹配算法的一般步骤—特征提取
直 线
3.匹配算法的一般步骤—特征提取
区 域
3.1特征提取
点特征提取方法
--Harris (Harris Corner Detector)算法
受信号处理中相关函数的启发，给出与自相关函数相联 系的矩阵M，M矩阵的特征值是自相关函数的一阶曲率，如 果两个曲率值都高，那么就认为该点是角点，此方法对图 像旋转、亮度变化、视角变化和噪声的影响具有很好的鲁 棒性。
1.图像匹配介绍----图像配准的应用领域
医学领域
--CT,MRT----图像匹配后进行融合可以得到更多的信息
2.图像匹配的分类
图像匹配的分类
基于灰度信息 的图像匹配
基于特征信息 的图像匹配
2.图像匹配方法的分类
2.1基于灰度的图像匹配算法 基于灰度的图像匹配算法是直接利用匹配图像的灰度 值，选择某种相似性度量函数，然后再通过图像像素计算 此度量值，最终根据计算结果进行全局优化后实现匹配。 灰度匹配通过利用某种相似性度量度量函数可以是 MMSE (最小均方误差)、互相关值、SSDA 等。 此类方法无需对图像进行分割和特征提取，自然避免 了由这些预处理可能造成的图像信息丢失而引起的匹配精 度降低。这类方法主要的特点是在收敛速度、统计模型、 匹配精度及最终的估计误差方面均出现了较为成熟的研究 成果，并且原理简单容易理解。
xx xy
L xy ( X , ) L yy ( X , )
Lyy ( X , ) Lxx ( X , ) 表示高斯二阶偏导在X处与图像I的卷积。Lxy ( X , ) 、 其中， 具有相似的含义。
一种基于改进SIFT特征的高效图像检索方法[发明专利]
![一种基于改进SIFT特征的高效图像检索方法[发明专利]](https://img.taocdn.com/s3/m/486d7458f121dd36a22d8234.png)
专利名称：一种基于改进SIFT特征的高效图像检索方法专利类型：发明专利
发明人：孙光民,王晨阳
申请号：CN201610154631.8
申请日：20160317
公开号：CN105550381A
公开日：
20160504
专利内容由知识产权出版社提供
摘要：一种基于改进SIFT特征的高效图像检索方法，本发明涉及图像处理和计算机视觉领域，属于基于内容的图像检索方法。
本方法的流程如下，高斯差分尺度空间的建立；在尺度空间检测极值点作为特征点；计算特征点的方向及方向上的梯度模值；利用地理统计方法生成图像特征点的全局特征向量；全局特征向量相似性匹配完成粗检索；在粗检索的基础上生成特征描述子；特征描述子的匹配完成精检索；本发明提出的创新性图像检索方法比传统的SIFT算法优秀，比现有的检索算法更适用于数字出版物中图像侵权审查的要求。
申请人：北京工业大学
地址：100124 北京市朝阳区平乐园100号
国籍：CN
代理机构：北京思海天达知识产权代理有限公司
代理人：沈波
更多信息请下载全文后查看。
一种基于SIFT特征的快速图像匹配算法
第33卷第7期2016年7月计算机应用与软件Computer Applications and SoftwareVol.33 No.7Ju l.2016一种基于SIFT特征的快速图像匹配算法杨松1，邵龙潭1宋维波2刘威21(大连理工大学工业装备结构分析国家重点实验室辽宁大连11022)2(大连海洋大学信息工程学院辽宁大连11023)摘要经典的SIFT算法具有良好的尺度、旋转、光强不变特性而广泛应用于图像匹配。
图像特征点较少时，匹配过程使用穷举法查找最近邻匹配点；当图像特征点较多时采用K D-T r e结构，而其检索过程存在“回溯”现象，这两种方法的匹配效率都不高。
为了提高特征点的匹配速度，提出改进的SP-T r e结构解决“回溯”问题。
在结点集分割时设置参数合理确定左右超平面位置，引入平衡因子作为结点分割方法选择的依据，采用近似最近邻搜索算法加快特征点匹配速度。
给出算法的详细实现过程，并应用两幅图像进行验证。
实验结果表明：SIFT特征向量采用改进SP-Tree结构在损失少部分匹配点的同时，提高了 SIFT特征点的整体匹配速度，适合于图像特征的实时匹配过程。
关键词 图像匹配SIFT特征KD-Tree SP-T r e e最近邻搜索中图分类号 TP391 文献标识码 A D0I：10. 3969/j.iss n.1000-386x.2016.07. 043A Q U I C K I M A G E M A T C H I N G A L G O R I T H MB A S E D O N S I F^T F E A T U R EYang Song1,2 Shao Longtan1Song Weibo2Liu Wei21(State Key Laboratory of Structural Analysis of Industrial Equipment,Dalian University of Technology,Dalian116024 ,Liaoning,China)2{Institute of Information Engineering,Dalian Ocean University,Dalian116023 ,Liaoning,China)Abstract Due t o i t s good invariant characteristics in scaling,rotation and light intensity,the classic SIFT algorithm has been widely used in image matching.I f there a re fewer image feature points,the exhaustion method i s used t o find the nearest matching point.I f there are more image feature points，KD-tree will then be used,but the backtracking phenomenon exists in i t s retrieval process,so the matching efficiency of both methods are low.In order t o improve feature points matching speed，we propose an improved SP-Tree structure t o solve the backtracking problem.The parameter a i s set t o determine a reasonable location about hyper-plane in node set segmentation，and a balancing factors p i s introduced as the choice basis for different node segmentation method，and the approximate nearest searching algorithm i s adopted，which can accelerate the speed of feature points matching.In the paper we give the detailed implementation process of the algorithm and the validations with two standard images.Experimental results show that the SIFT feature vector，by using a modified SP-Tree structure，at the expense of few matching points，greatly improves the overall speed of SIFT feature points matching.I t i s suitable for image features matching in real time.Keywords Image matching SIFT feature KD-Tree SP-Tree Nearest neighbour search〇引言图像匹配是一种研究同一场景中两个不同视角下的图像之间对应关系的技术，是计算机视觉应用研究的起点和基石，已广泛应用于图像的拼接与融合、目标的识别与跟踪、摄像机标定、图像检索以及三维重构等领域[1_4]。
基于sift特征的多媒体图像信息检索方法研究
2020年第7期信息与电脑China Computer & Communication多媒体应用技术基于SIFT 特征的多媒体图像信息检索方法研究孙 英1 刘忠利2（1.南京航空航天大学金城学院 信息工程学院，江苏 南京 210000； 2.南京航空航天大学金城学院 基础教学部，江苏 南京 210000）摘 要：针对传统方法查全率较低的问题，笔者提出基于SIFT 特征的多媒体图像信息检索方法。
该方法采用数字信息描述方法描述多媒体图像信息，提取图像关键特征；将数据进行XML 格式转换，并以XML 数据库方式存储数据；引入SIFT 特征检索算法，找出多媒体图像与XML 数据库中欧式距离最近的前两个点，并经过比例阈值对比，输出检索结果，实现研究。
经实验证明，提出的方法平均查全率远高于传统方法。
关键词：SIFT 特征；多媒体图像信息；检索方法中图分类号：TP391.41；TP183 文献标识码：A 文章编号：1003-9767（2020）07-179-02Research on Information Retrieval of Multimedia Images Based onSIFT FeaturesSun Ying 1, Liu Zhongli 2(1. School of Information Engineering, Jincheng College of Nanjing University of Aeronautics and Astronautics, Nanjing Jiangsu210000, China; 2. Basic Teaching Department, Jincheng College of Nanjing University of Aeronautics and Astronautics, Nanjing Jiangsu 210000, China)Abstract: Aiming at the problem of low recall rate of traditional methods, a research on multimedia image information retrievalmethods based on SIFT features is proposed. Digital information description method is used to describe multimedia image information, and key features of the image are extracted. The data is converted into XML format and stored in XML database. The SIFT feature retrieval algorithm is introduced to find the top two European-style distances between the multimedia image and the XML database.Points, and after the ratio threshold comparison, the retrieval results are output for research. The experiment proves that the averagerecall of the proposed method is much higher than the traditional method.Key words: SIFT characteristics; multimedia image information; retrieval method作者简介：孙英(1979—)，女，辽宁辽阳人，本科，讲师。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1.1 挖掘本地多相关图 多图关联图像搜索主要的方法如图 1 所示。包
选 出 来 的 SIFT 特 征 点 和 查 询 图 中 的 关 键 内 容 高 度 括在线部分和离线部分两部分[7-8]，在线部分主要包
相 关[3- 。 5] 本 文 提 出 的 一 种 基 于 SIFT 特 征 权 重 排 序 括 四 步 ：1）查 询 图 像 的 全 局 特 征 提 取 ；2）挖 掘 多 相
在 进 行 图 像 搜 索 与 匹 配 的 过 程 中 ，只 是 针 对 一 张 图 像 来 作 为 查 询 图 像 。 在 我 们 的 日 常 生 活 中 ，本
地 常 常 存 有 内 容 与 之 相 关 联 的 图 像 ，所 以 本 文 提 出 一 种 基 于 多 图 关 联 的 图 像 搜 索 方 法 ，将 查 询 图
量 。 [2] 然而每张图片所提取出的 SIFT 特征点有上千 关系，计算查询图与图像集图片的相似性。
个，如果不进行筛选则会增加计算的复杂度。 我 们 在 做 图 像 检 索 的 时 候 ，本 地 常 常 会 存 有 一
1 多相关图的特征权重计算
些 与 待 查 询 图 相 关 的 图 像 ，这 些 图 像 与 待 查 询 图 进 行 相 关 联 不 仅 可 以 减 少 特 征 点 的 数 量 ，还 能 够 使 筛
Abstract: In recent years，with the emergence of an increasing number of methods based on image content search，retrieval with single image has become very common.However，in the process of image search and matching，we use only one image as a query image. In our daily life，there are often images associated with it on the local computer，so the paper proposes a search method based on multi image correlation. The query image is combined with some content related images on the local computer，and the most representative feature point are selected.Finally，calculate and sort the weight of these feature points.The method greatly reduces the number of feature points and enhances the robustness of image retrieval. Key words: SIFT；multi image retrieval；color moments；HWVP；spatial coding
第பைடு நூலகம்27 卷 第 2 期 Vol.27 No.2
电子设计工程 Electronic Design Engineering
2019 年 1 月 Jan. 2019
一种基于 SIFT 特征权排序多图关联图像搜索方法
阮威
（台州职业技术学院 电信学院，浙江 台州 318000）
摘要：近年来随着越来越多的基于图像内容搜索方法的出现，单图搜索已经不再新鲜。但是，我们
进 行 图 像 的 检 索 与 匹 配 时 ，我 们 通 常 采 用 的 是
为了更好的使查询图中的特征点准确的与图像
SIFT 特 征 向 量[1]进 行 匹 配 的 方 法 ，将 SIFT 特 征 向 量 集中的特征点相匹配，这里引用了一种加以权重的
进 行 量 化 然 后 比 较 两 张 图 像 中 SIFT 的 最 佳 匹 配 数 空间几何一致检验的方法，通过计算特征点的位置
中图分类号：TP37
文献标识码：A
文章编号：1674-6236（2019）02-0179-06
An image retrieval method for SIFT feature weights sorting of the multi association
RUAN Wei （School of Telecommunications，Taizhou Vocational and Technical College，Taizhou 318000，China）
像 和 本 地 存 储 的 一 些 内 容 相 关 的 图 进 行 联 合 ，并 从 中 筛 选 出 最 具 有 代 表 性 的 特 征 点 ，对 这 些 特 征
点进行权重的计算和排序。这种方法大大减少了特征点的数量，增强了图像检索的健壮性。
关键词：SIFT 特征；多图检索；颜色矩特征；小波描述符；空间编码
多图关联的图像检索方法，可以通过多张相关图减 关图；3）多相关图有用特征点的筛选；4）特征点位
少 SIFT 特征的数量 。 [6]
置空间关系的表示。离线部分主要包括 7 步：1）图
收稿日期：2018-03-19 稿件编号：201803158
像集全局特征的提取；2）全局特征的聚类；3）图像集
基金项目：浙江省教育厅一般课题（Y201533967）
作者简介：阮 威（1979—），男，湖北红安人，硕士，讲师。研究方向：图像处理，图形设计。
-179-
《电子设计工程》2019 年第 2 期
局 部 特 征 的 提 取 ；4）筛 选 有 用 特 征 点 ；5）生 成 BoW 模型；6）再次筛选有用特征点；7）特征点位置空间关系 的建立的表示。在线部分主要是对一张查询图像进 行多图关联并筛选出有用特征，离线部分主要是对图 像集的特征进行量化与筛选。之后在线部分与离线 部分通过特征点的空间位置关系进行匹配计算 。 [9-12]