曹健健，唐 悦，刘芮辰，王志青

(安徽大学 计算机科学与技术学院，安徽 合肥 230039)



基于词汇树方法的图像检索

曹健健，唐 悦，刘芮辰，王志青

(安徽大学 计算机科学与技术学院，安徽 合肥 230039)

目前SIFT特征提取算法具有较高的时间复杂度，不利于大规模图像检索，提出一种构建词汇树的方法，来缩短用户检索图像的时间。对图像库用SIFT特征提取算法提取特征点，用聚类方法对图像库中的特征点构建一棵三层词汇树，并为每个结点赋合适的权值。接着计算图像库中每张图片与词汇树的距离，这个距离称为索引值，用来唯一表示每张图片。在进行图像检索时，只需计算待检索图片的索引值，通过索引值的匹配来检索图像，可以极大地缩短用户检索图像的时间。

SIFT特征提取；K-Means聚类算法；词汇树；索引值

0 引言

图像检索是计算机视觉的核心问题，也是一个非常值得研究的问题，它的关键在于构建能够适用于不同规模图像库[1-2]的方法，并且可以在有限的时间内检索到最准确的图像。对于传统的SIFT特征提取算法[3]具有很好的鲁棒性和抗干扰性，有着广泛的应用，但是由于SIFT 算子具有很高的维数(128维)，增强了其计算复杂性和时间复杂度，并且在大规模特征图像库[4]的检索中存在存储压力。目前国内外研究学者针对其高维数的缺点，进行了改进和尝试，以求在保持SIFT算子良好特征的前提下，尽量降低其维数。

本文提出的构建三层词汇树的方法在很大程度上是受传统的词汇树构建方法[5-6]的启发，都是通过特征提取和聚类方法来构建词汇树，主要区别在于词汇树[7-8]结点权重的确定方法以及每张图片索引值的计算方法上有所不同。……