Bag-of-features-图像检索

时间  2020-01-17 标签 bag features 图像 检索

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

  1. 特征提取
  2. 学习 “视觉词典（visual vocabulary）”
  3. 针对输入特征集，根据视觉词典进行量化
  4. 把输入图像，根据TF-IDF转化成视觉单词（
    visual words）的频率直方图
  5. 构造特征到图像的倒排表，经过倒排表快速
    索引相关图像
  6. 根据索引结果进行直方图匹配

视觉词典

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。
在这里插入图片描述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：
在这里插入图片描述
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：
在这里插入图片描述
在这里插入图片描述
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：
在这里插入图片描述
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。
在这里插入图片描述学习

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：
在这里插入图片描述
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：
在这里插入图片描述
常规查询重排后的结果：
在这里插入图片描述 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。

联系我们 沪ICP备13005482号-10