冯 秋 燕

(河南财经政法大学 河南 郑州 453800)

0 引 言

图像检索在信息检索中占据越来越重要的位置。就目前而言，对图像检索过程进行改进或优化的方法有很多，文献[1]指出对检索结果进行重排可以显著提升检索性能，这方面研究尚不成熟，本文采用混合马尔科夫链模型和扩散方法基于多特征融合对图像检索进行研究。图像检索的目的是根据给定的目标图像寻找相同或相似的图像，其中，给定的目标图像中并不附带文本信息，通常是一个特定的对象，而不是一个类属层，在类属层面，仅需要识别对象类属，如属于人、动物或景色。基于局部特征的BOW[2]、SIFT描述器[3-4]，被广泛的用于检索系统。文献[5-8]讨论了基于BOW性能与规模的改进。文献[9]提出了VLAD来平衡存储足迹与检索性能。

1 研究现状

1.1 通过单一特征的图像索引

文献[2]采用了tf-idf方法，计算查询对象和数据集图像的BOW特征向量之间的相似性进行检索。文献[8]使用了继承聚类算法构造词汇树以减少计算代价，并应用于大规模数据集。文献[10-11]给予单词更多可识别的BOW向量而不是量化描述器给一个可视化单词。为了弥补基于标准BOW方法中空间信息的缺失，文献[5]提出了使用SIFT描述器做图像间的匹配。文献[6-7,12]的查询扩展已经被广泛应用于检索对象的重排。

在特征设计方面，文献[9]提出了VLAD做聚合描述。当查询比较少的存储时，效果比BOW好。文献[13]提出基于VLAD向量标记平方根，是对VLAD的改进。文献[12]基于原始SIFT用Hellinger内核提出RootSIFT以解决标准BOW特征的突发性问题。……