近似重复图像检测技术及其应用研究

论文摘要

随着多媒体和互联网技术的快速发展,人们沉浸在海量的数字图像信息之中。同文字信息相比,数字图像更加生动、易于理解,这种优势使得数字图像的应用十分广泛。然而,其中却存在大量的近似重复图像,随之带来了冗余等问题。因此,近似重复图像检测技术应运而生,其中,匹配模式学习法和视觉词袋法是两类主流的方法。本文对近似重复图像检测方法进行了深入的研究,主要成果体现在以下三个方面：1.针对匹配模式学习法存在点点匹配计算复杂度高的问题,提出了一种基于随机化映射和模式熵的近似重复图像检测方法。该方法先利用在高维空间近似最近邻搜索任务中表现良好的精确欧式空间位置敏感哈希滤除非近似重复图像对,然后对剩余的图像对采用增强型的尺度旋转不变模式熵进一步去除错误的匹配。实验结果表明,新方法在不明显降低性能的前提下大大加快了检测的速度。2.针对视觉词袋法存在视觉单词同义性和歧义性的问题,提出了一种基于潜在语义索引和软加权的近似重复图像检测方法。首先,该方法利用潜在语义索引对大规模视觉词袋进行降维,构造紧致的语义视觉词袋；然后,采用软加权方式将特征点映射到与之最近的前若干个视觉单词上,构造出视觉词汇分布直方图；最后,对直方图进行相似性度量完成近似重复图像检测。实验结果表明,相比于传统的视觉词袋法,新方法在保证时间效率的同时,提高了检测的精度。3.研究了近似重复图像检测在检索重排序中的应用,提出了一种基于类的重排序方法。首先,该方法基于初始文本检索结果构建近似重复图；其次,对近似重复图进行图划分得到近似重复类；然后,制定相关规则对近似重复类排序；最后,在每类中选择聚类代表形成最终重排后的结果。实验结果表明,重排后的结果不仅将不相关的图像排在检索结果的后面而且有效地去除了其中的近似重复图像,呈现出更多新颖的结果,极大改善了用户的检索体验。

论文目录

• 表目录
• 图目录
• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题背景及研究意义
• 1.2 国内外研究现状
• 1.2.1 图像特征提取
• 1.2.2 相似性度量
• 1.2.3 索引结构
• 1.2.4 图像检索结果重排序研究现状
• 1.3 论文研究内容与结构安排
• 1.3.1 论文研究内容
• 1.3.2 论文组织结构
• 第二章 近似重复图像检测基础
• 2.1 尺度不变特征变换SIFT
• 2.1.1 尺度空间极值点检测
• 2.1.2 精确定位极值点
• 2.1.3 关键点方向分配
• 2.1.4 SIFT描述子生成
• 2.2 匹配模式学习法
• 2.2.1 匹配模式学习法的流程
• 2.2.2 一对一对称匹配OOS
• 2.2.3 匹配模式表示
• 2.2.4 匹配模式学习
• 2.3 视觉词袋法
• 2.3.1 视觉词袋法的流程
• 2.3.2 视觉词袋生成
• 2.3.3 视觉词汇分布直方图构建
• 2.4 本章小结
• 第三章 基于随机化映射和模式熵的近似重复图像检测
• 3.1 基于随机化映射和模式熵的近似重复图像检测方法的原理分析
• 3.2 基于随机化映射和模式熵的近似重复图像检测方法的流程及关键技术
• 3.2.1 基于随机化映射和模式熵的近似重复图像检测流程
• 2LSH过滤'>3.2.2 E²LSH过滤
• 3.2.3 ESR-PE检测
• 3.3 实验结果与性能比较
• 3.3.1 数据与评价指标
• 3.3.2 参数调节
• 3.3.3 性能比较
• 3.4 本章小结
• 第四章 基于潜在语义索引和软加权的近似重复图像检测
• 4.1 基于潜在语义索引和软加权的近似重复图像检测方法的原理分析
• 4.2 基于潜在语义索引和软加权的近似重复图像检测方法的流程及关键技术
• 4.2.1 基于潜在语义索引和软加权的的近似重复图像检测流程
• 4.2.2 基于潜在语义索引的语义视觉词袋构造
• 4.2.3 基于软加权的视觉词汇分布直方图构建
• 4.2.4 直方图相交
• 4.3 实验结果与性能比较
• 4.3.1 数据与评价指标
• 4.3.2 性能比较
• 4.4 本章小结
• 第五章 近似重复图像检测在检索结果重排序中的应用
• 5.1 基于类的重排序方法的原理分析
• 5.2 基于类的图像重排序方法的流程及关键技术
• 5.2.1 基于类的图像重排序流程
• 5.2.2 构建近似重复图G
• 5.2.3 确定近似重复类C
• 5.2.4 近似重复类C排序
• 5.2.5 选择聚类代表R
• 5.3 实验结果与性能比较
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 论文总结
• 6.2 未来展望
• 参考文献
• 作者简历 攻读硕士学位期间完成的主要工作
• 致谢