基于尺寸不变特征转换向量的图像检索精度优化

摘要：

传统的SIFT向量图像检索法精度偏低、实用性较差,无法满足使用者的心理需求,为此提出一种基于尺寸不变特征转换向量的图像检索精度优化方法.采用倒排文件的图像检索方式,通过改良建树方法、检索方式和匹配度计算的优化,在满足实时性要求的前提下实现检索精度的提高;为SIFT特征向量构建新的聚类机制,以K均值聚类与分类相结合的方式对传统K均值聚类法进行改进,检索过程中利用得到的欧氏距离信息统一处理SIFT向量,进而简化向量间距的计算过程;基于改进单位化的处理方式有效控制大数据所引起的误差.测试结果表明,所提出的算法强化了树模型中节点的差异性,有效解决了按数量均分训练集数据而不是根据距离分配以及直接设定vocabulary tree层数的问题,大幅提高了检索的效率和精度.

关键词：尺度不变特征、图像检索、精度优化、向量

所属期刊栏目：38

分类号：O183.1(几何、拓扑)

在线出版日期：2022-04-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：26-31