多媒体工程:2016——图像检索研究进展与发展趋势

摘要：

目的 基于内容的图像检索方法利用从图像提取的特征进行检索,以较小的时空开销尽可能准确的找到与查询图片相似的图片.方法 本文从浅层特征、深层特征和特征融合3个方面对图像检索国内外研究进展和面临的挑战进行介绍,并对未来的发展趋势进行展望.结果 尺度下不变特征转换(SIFT)存在缺乏空间几何信息和颜色信息,高层语义的表达不够等问题;而CNN(convolutional neural network)特征则往往缺乏足够的底层信息.为了丰富描述符的信息,通常将SIFT与CNN等特征进行融合.融合方式主要包括:串连、核融合、图融合、索引层次融合和得分层(score-level)融合.“融合”可以有效地利用不同特征的互补性,提高检索的准确率.结论 与SIFT相比,CNN特征的通用性及几何不变性都不够强,依然是图像检索领域面临的挑战.

关键词：尺度不变特征、卷积神经网络、特征融合、图像检索

所属期刊栏目：22

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金项目61572211;National Natural Science Foundation ot China61572211

在线出版日期：2017-12-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共19页

页码：1467-1485