图像检索在图像研究领域中是一个重要的话题,应用普遍。本文将探讨学习基于视觉词典和局部特征的图像检索方法。web
1、BOF图像检索步骤算法
一、Bag of features图像检索方法
Bag of features模型把每幅图像描述为一个局部区域/关键点(Patches/Key Points)特征的无序集合。使用某种聚类算法(如K-means)将局部特征进行聚类,每一个聚类中心被看做是词典中的一个视觉词汇(Visual Word),至关于文本检索中的词,视觉词汇由聚类中心对应特征造成的码字(code word)来表示(可看当为一种特征量化过程)。全部视觉词汇造成一个视觉词典(Visual Vocabulary),对应一个码书(code book),即码字的集合,词典中所含词的个数反映了词典的大小。图像中的每一个特征都将被映射到视觉词典的某个词上,这种映射能够经过计算特征间的距离去实现,而后统计每一个视觉词的出现与否或次数,图像可描述为一个维数相同的直方图向量,即Bag-of-Features。
sql
二、视觉词典生成流程:因为图像中的词汇不像文本文档中的那样是现有的,咱们须要首先从图像中提取出相互独立的视觉词汇,这一般须要通过三个步骤:
(1)特征检测。
(2)特征表示。
(3)单词本的生成。
下图是从图像中提取出相互独立的视觉词汇:
经过观察会发现,同一类目标的不一样实例之间虽然存在差别,但咱们仍然能够找到它们之间的一些共同的地方,好比说人脸,虽说不一样人的脸差异比较大,但眼睛, 嘴,鼻子等一些比较细小的部位,却观察不到太大差异,咱们能够把这些不一样实例之间共同的部位提取出来,做为识别这一类目标的视觉词汇。数据库
三、构建视觉码本
利用K-Means算法构造单词表(K-Means算法是一种基于样本间类似性度量的间接聚类方法,此算法以K为参数,把N个对象分为K个簇,以使簇内具备较高的类似度,而簇间类似度较低。聚类中心有k个(在BOW模型中聚类中心咱们称它们为视觉词),码本的长度也就为k)。用K-means对提取的N个SIFT特征进行聚类,计算每一幅图像的每个SIFT特征到这k个视觉词的距离,并将其映射到距离最近的视觉词中(即将该视觉词的对应词频+1)。完成这一步后,每一幅图像就变成了一个与视觉词序列相对应的词频矢量。api
假定咱们将K设为3,那么单词表的构造过程以下图所示:
利用单词表的中词汇表示图像。利用SIFT算法,能够从每幅图像中提取不少个特征点,这些特征点均可以用单词表中的单词近似代替,经过统计单词表中每一个单词在图像中出现的次数,能够将图像表示成为一个K=4维数值向量。将这些特征映射到为码本矢量,码本矢量归一化,最后计算其与训练码本的距离,对应最近距离的训练图像认为与测试图像匹配。请看下图:
咱们从人脸、自行车和吉他三个目标类图像中提取出的不一样视觉词汇,而构造的词汇表中,会把词义相近的视觉词汇合并为同一类,通过合并,词汇表中只包含了四个视觉单词,分别按索引值标记为A,B,C,D。经过观察能够看到,它们分别属于自行车、人脸、吉他、人脸类。svg
四、引入TF-IDF权值
TF-IDF是一种用于信息检索的经常使用加权技术,在文本检索中,用以评估词语对于一个文件数据库中的其中一份文件的重要程度。词语的重要性随着它在文件中出现的频率成正比增长,但同时会随着它在文件数据库中出现的频率成反比降低。
TF的主要思想是:若是某个关键词在一篇文章中出现的频率高,说明该词语可以表征文章的内容,该关键词在其它文章中不多出现,则认为此词语具备很好的类别区分度,对分类有很大的贡献。IDF的主要思想是:若是文件数据库中包含词语A的文件越少,则IDF越大,则说明词语A具备很好的类别区分能力。
词频(Term Frequency,TF)指的是一个给定的词语在该文件中出现的次数。
如:tf = 0.030 ( 3/100 )表示在包括100个词语的文档中, 词语’A’出现了3次。
逆文档频率(Inverse Document Frequency,IDF)是描述了某一个特定词语的广泛重要性,若是某词语在许多文档中都出现过,代表它对文档的区分力不强,则赋予较小的权重;反之亦然。
如:idf = 13.287 ( log (10,000,000/1,000) )表示在总的10,000,000个文档中,有1,000个包含词语’A’。
最终的TF-IDF权值为词频与逆文档频率的乘积。
学习
倒排表
倒排表反映特征到图像的映射关系。其主要思想是:输入一组测试图片,选出一个特征点C,此特征存在于多张图片中,由此可得出这组图片之间相关。举个例子来讲明,以下图:
注意:运用倒排表时应避免一一比对(图像特征与词典),快速肯定检索范围。测试
完整代码
提取特征描述子以建立视觉单词词汇fetch
import pickle from PCV.imagesearch import imagesearch from PCV.localdescriptors import sift from sqlite3 import dbapi2 as sqlite from PCV.tools.imtools import get_imlist #获取图像列表 imlist = get_imlist('first1000/') nbr_images = len(imlist) #获取特征列表 featlist = [imlist[i][:-3]+'sift' for i in range(nbr_images)] # load vocabulary #载入词汇 with open('first1000/vocabulary.pkl', 'rb') as f: voc = pickle.load(f) #建立索引 indx = imagesearch.Indexer('testImaAdd.db',voc) indx.create_tables() # go through all images, project features on vocabulary and insert #遍历全部的图像,并将它们的特征投影到词汇上 for i in range(nbr_images)[:1000]: locs,descr = sift.read_features_from_file(featlist[i]) indx.add_to_index(imlist[i],descr) # commit to database #提交到数据库 indx.db_commit() con = sqlite.connect('testImaAdd.db') print (con.execute('select count (filename) from imlist').fetchone()) print (con.execute('select * from imlist').fetchone())
利用倒排表选定相关图片3d
import pickle from PCV.imagesearch import vocabulary from PCV.tools.imtools import get_imlist from PCV.localdescriptors import sift #获取图像列表 imlist = get_imlist('first1000/') 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, 1000, 10) #保存词汇 # saving vocabulary with open('first1000/vocabulary.pkl', 'wb') as f: pickle.dump(voc, f) print ('vocabulary is:', voc.name, voc.nbr_words)
import pickle from PCV.imagesearch import imagesearch from PCV.localdescriptors import sift from sqlite3 import dbapi2 as sqlite from PCV.tools.imtools import get_imlist #获取图像列表 imlist = get_imlist('first1000/') nbr_images = len(imlist) #获取特征列表 featlist = [imlist[i][:-3]+'sift' for i in range(nbr_images)] #载入词汇 f = open('first1000/vocabulary.pkl', 'rb') voc = pickle.load(f) f.close() src = imagesearch.Searcher('testImaAdd.db',voc) locs,descr = sift.read_features_from_file(featlist[0]) iw = voc.project(descr) print ('ask using a histogram...') print (src.candidates_from_histogram(iw)[:10]) src = imagesearch.Searcher('testImaAdd.db',voc) print ('try a query...') nbr_results = 12 res = [w[1] for w in src.query(imlist[0])[:nbr_results]] imagesearch.plot_results(src,res)
根据索引结果进行直方图匹配
import pickle from PCV.localdescriptors import sift from PCV.imagesearch import imagesearch from PCV.geometry import homography from PCV.tools.imtools import get_imlist # load image list and vocabulary #载入图像列表 imlist = get_imlist('first1000/') nbr_images = len(imlist) #载入特征列表 featlist = [imlist[i][:-3]+'sift' for i in range(nbr_images)] #载入词汇 with open('first1000/vocabulary.pkl', 'rb') as f: voc = pickle.load(f) src = imagesearch.Searcher('testImaAdd.db',voc) # index of query image and number of results to return #查询图像索引和查询返回的图像数 q_ind = 0 nbr_results = 20 # regular query # 常规查询(按欧式距离对结果排序) res_reg = [w[1] for w in src.query(imlist[q_ind])[:nbr_results]] print ('top matches (regular):', res_reg) # load image features for query image #载入查询图像特征 q_locs,q_descr = sift.read_features_from_file(featlist[q_ind]) fp = homography.make_homog(q_locs[:,:2].T) # RANSAC model for homography fitting #用单应性进行拟合创建RANSAC模型 model = homography.RansacModel() rank = {} # load image features for result #载入候选图像的特征 for ndx in res_reg[1:]: locs,descr = sift.read_features_from_file(featlist[ndx]) # because 'ndx' is a rowid of the DB that starts at 1 # get matches matches = sift.match(q_descr,descr) ind = matches.nonzero()[0] ind2 = matches[ind] tp = homography.make_homog(locs[:,:2].T) # compute homography, count inliers. if not enough matches return empty list try: H,inliers = homography.H_from_ransac(fp[:,ind],tp[:,ind2],model,match_theshold=4) except: inliers = [] # store inlier count rank[ndx] = len(inliers) # sort dictionary to get the most inliers first sorted_rank = sorted(rank.items(), key=lambda t: t[1], reverse=True) res_geom = [res_reg[0]]+[s[0] for s in sorted_rank] print ('top matches (homography):', res_geom) # 显示查询结果 imagesearch.plot_results(src,res_reg[:8]) #常规查询 imagesearch.plot_results(src,res_geom[:8]) #重排后的结果
检索结果
常规查询:
常规查询重排后的结果:
总结:视觉词典的规模不宜太多或太少,太多则会致使计算量大,容易过拟合,太少则视觉单词没法覆盖全部可能出现的状况。 利用sift进行特征匹配时存在匹配时间较长的缺点。 进行训练的图像应与测试图片不一样。