基于紧凑局部描述符聚类矢量签名的Web规模图像检索研究

当前图像检索技术普遍是从图像中提取一组局部视觉描述符来完成图像搜索,导致时耗严重以及所需的索引存储容量巨大,难以用于Web规模(1-millions)图像检索。对此,提出了基于紧凑局部描述符聚类矢量签名的Web规模图像检索机制。引入k-means聚类,计算每个聚类对应的描述符的均值μc与协方差矩阵Tc,得到每个聚类中的图像签名Tic;嵌入主成分分析,减小聚类协方差与图像描述符协方差之间的误差,优化图像签名Tic,增强表达能力;再基于Gram矩阵的低秩逼近,耦合子空间线性投影,设计紧凑局部张量聚类矢量签名机制,减小签名容量和增加识别能力;最后,对该紧凑矢量签名进行二值化处理,获取超小型签名,完成图像检索,减少索引存储容量。研究了不同参数对本文二值化紧凑矢量签名的影响。并在1-million图像数据中测试了本文图像检索机制性能。仿真结果表明:与当前检索技术相比,本文机制拥有更高的检索精度和效率;且索引存储容量更小,具备更好的可扩展性。