基于词典优化与空间一致性度量的目标检索

摘要：

基于视觉词典模型（bag of visual words model ，BoVWM ）的目标检索存在时间效率低、词典区分性不强的问题，以及由于空间信息的缺失及量化误差等导致的视觉语义分辨力不强的问题。针对这些问题，提出了基于词典优化与空间一致性度量的目标检索方法。首先，该方法引入 E2 LSH （exact Euclidean locality sensitive hashing ）过滤图像中的噪声和相似关键点，提高词典生成效率和质量；然后，引入卡方模型（chi-square model ，CSM ）移除词典中的视觉停用词增强视觉词典的区分性；最后，采用空间一致性度量准则进行目标检索并对初始结果进行 K-近邻（K-nearest neighbors ，K-NN）重排序。实验结果表明：新方法在一定程度上改善了视觉词典的质量，增强了视觉语义分辨能力，进而有效地提高目标检索性能。

关键词：目标检索、视觉词典模型、精确欧氏位置敏感哈希、空间一致性度量、卡方模型

所属期刊栏目：53

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目60872142，61301232 This work was supported by the National Natural Science Foundation of China 60872142，61301232．

在线出版日期：2016-06-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1043-1052