伯将军，郭书军，伍淳华

（1.北方工业大学 信息工程学院，北京 100144；2.北京邮电大学 信息安全中心，北京 100876）

基于内容的图像信息检索是多媒体信息检索领域中重要的组成部分，对图像的内容进行准确快速的描述一直都是图像检索技术中研究的重点和难点。传统的图像特征提取方法，基本上是围绕图像的颜色、纹理、形状和空间关系来展开的[1]。这些方法能部分地描述图像的特征，但是得到的特征鲁棒性很差，在遇到修改，甚至故意破坏后无法再检索出相似的图像。另外一类是基于变换域的不变特征描述方法，由于变换域的固有属性，这一类算法通常难以抵抗对图像的裁剪攻击。

SIFT算法提取图像的特征描述子作为图像的摘要，特征描述子对图像的局部特征有很强的描述能力，并且具有很强的鲁棒性，对尺度缩放、旋转、平移、仿射变换、光照变化、剪切、降维等修改有很好的鲁棒性[2]。SIFT算法的提取的特征点多且稳定，它通过多方法来实现特征点的提取，通过多尺度的特征点检测能得到尺度不变性，通过对特征点进行梯度计算能得到旋转不变性，特征点归一化运算去除了光照变化的影响，丰富的特征点保证了在剪切过后的图像也能有很高的识别率。但是SIFT算法本身有很高的算法复杂度，再加上精细的局部特征描述能力，得到的特征向量具有很高的维度，给匹配算法也带来了很高的时间复杂度。针对这个问题，本文首先通过K-Means算法对SIFT算法丰富的特征点进行聚类，并合理控制聚类的参数以达到对特征点进行合理的过滤，过滤后的特征点通常具有丰富的梯度信息以保存特征点领域的图像信息。……