一、图像特征匹配
蛮力匹配方法:非常耗时,根本不能用于大数据集
对于大型场景数据集(如城市场景),不到0.1%的图像对有匹配关系
解决方案:使用整体图像特征来实现匹配/检索,而不是局部特征点
词袋模型
BoW可以理解为一种直方图统计,是一种用于自然语言处理和信息检索的简单文档表示方法。 BoW 也只有统计频率信息,没有序列信息。 BoW就是选择单词词典,然后统计每个单词在词典中出现的次数。
BoW(Bag of Words)模型最初用于文本分类,将文档表示为特征向量。它的基本思想是假设对于一个文本,忽略它的词序、语法和句法,只把它看成一个词的集合,文本中的每个词都是独立的。简单来说,就是把每个文档看成一个bag(因为里面包含了所有的词汇,所以叫做bag of words,而Bag of words就是由此而来),然后看看这个bag里面包含了哪些词汇,把它的分类。如果文档中包含猪、马、牛、羊、山谷、土地、拖拉机等词较多,而银行、建筑、汽车、公园等词较少,我们倾向于将其判断为描述乡村的文档。而不是描述小镇。
特征包模型
Bag of Feature 也是借鉴了这个思路,但是在图像中,我们不再提取一个词,而是图像的关键特征 Feature,因此研究人员将其命名为 Bag of Feature。
Bag of Feature在检索中的算法流程和分类几乎一模一样。唯一不同的是,对于原始的 BOF 特征,即直方图向量图像检索的流程及其关键技术,我们引入了 TF-IDF 权重。
Bag of Feature的本质是提出一种图像特征表示的方法
根据 Bag of Feature 算法的思想,首先我们需要找到图片中的关键词,而这些关键词必须具有高度的区分度。在实践中,通常使用 SIFT 特征。
我们有了特征之后,再利用这些特征,通过聚类算法得到很多聚类中心。这些集群中心通常具有高度代表性。例如,对于人脸来说,虽然不同的人有不同的特征,比如眼睛和鼻子,但它们往往具有共性,而这些聚类中心代表了这种共性。我们将这些聚类中心组合成一个字典(CodeBook)。
对于图像中的每一个SIFT特征,我们可以在字典中找到最相似的聚类中心,统计这些聚类中心出现的次数,得到这些向量的向量表示(有些文章称其为直方图)就是所谓的包。这样,对于不同类别的图片,这个向量应该有更大的区分度。基于此,我们可以训练一些分类模型(SVM等),并用它来对图片进行分类。
特征包:图像检索过程 特征包中的知识点 提取图像特征
特征必须具有高度的区分度,并且必须满足旋转不变性和大小不变性,所以我们通常使用SIFT特征
培训词典
提取特征后,我们将使用一些聚类算法对这些特征向量进行聚类。最常用的聚类算法是k-means。
最小化每个特征 xi 与其对应的聚类中心 mk 之间的欧几里得距离
算法过程:
随机初始化K个聚类中心
重复以下步骤,直到算法收敛:
对应每个特征,根据距离关系分配一个中心/类别
对于每个类别,根据其对应的特征集重新计算聚类中心
聚类是实现视觉词汇/码本的关键
无监督学习策略
将k-means算法得到的聚类中心作为码向量
码本可以通过与不同的训练集共同训练得到
一旦训练集准备充分,训练出来的码本(codebook)就会通用
码本/字典用于量化输入图像的特征集
对于输入的特征,量化的过程就是将特征映射到离它最近的码向量上并实现计数
码本 = 视觉词典
码向量 = 视觉词
直方图表示
上一步得到的字典用于这一步的图像特征量化。对于一张图像,我们可以提取大量的 SIFT 特征点,但这些特征点仍然属于低级表达图像检索的流程及其关键技术,缺乏表征。因此,这一步的目标是根据字典重新提取图像的高层特征。对于图像中的每个 SIFT 特征,可以在字典中找到最相似的视觉词。这样,我们就可以统计出一个k维直方图,表示图像的SIFT特征在字典中的相似频率。
TF-IDF
在文本检索中,不同的词对文本检索的贡献不同
一个词在文档中出现的比例越大,它对匹配的用处就越小,即出现在所有文档中的词没有帮助
我们不计算规范直方图距离,而是通过逆文档频率对每个单词进行加权
二、创建词汇的实验
# -*- coding: utf-8 -*-
import pickle
from PCV.imagesearch import vocabulary
from PCV.tools.imtools import get_imlist
from PCV.localdescriptors import sift
# 获取图像列表
imlist = get_imlist('D:\bow\image\gun\')
nbr_images = len(imlist)
# 获取特征列表
featlist = [imlist[i][:-3] + 'sift' for i in range(nbr_images)]
# 提取文件夹下图像的sift特征
for i in range(nbr_images):
sift.process_image(imlist[i], featlist[i])
# 生成词汇
voc = vocabulary.Vocabulary('training')
voc.train(featlist, 165, 10)
# 保存词汇
# saving vocabulary
with open('D:\bow\image\gun\vocabulary.pkl', 'wb') as f:
pickle.dump(voc, f)
print('vocabulary is:', voc.name, voc.nbr_words)
创建数据库
# -*- coding: utf-8 -*-
import pickle
from PCV.imagesearch import imagesearch
from PCV.localdescriptors import sift
import sqlite3
from PCV.tools.imtools import get_imlist
# 获取图像列表
imlist = get_imlist('D:\bow\image\')
nbr_images = len(imlist)
# 获取特征列表
featlist = [imlist[i][:-3] + 'sift' for i in range(nbr_images)]
# load vocabulary
# 载入词汇
with open('D:\bow\image\vocabulary.pkl', 'rb') as f:
voc = pickle.load(f)
# 创建索引
indx = imagesearch.Indexer('testImaAdd.db', voc)
indx.create_tables()
# go through all images, project features on vocabulary and insert
# 遍历所有的图像,并将它们的特征投影到词汇上(比如我的是165张图片)
for i in range(nbr_images)[:164]:
locs, descr = sift.read_features_from_file(featlist[i])
indx.add_to_index(imlist[i], descr)
# commit to database
# 提交到数据库
indx.db_commit()
con = sqlite3.connect('testImaAdd.db')
print(con.execute('select count (filename) from imlist').fetchone())
print(con.execute('select * from imlist').fetchone())
在数据库中搜索图像
# -*- coding: utf-8 -*-
import pickle
from PCV.localdescriptors import sift
from PCV.imagesearch import imagesearch
from PCV.geometry import homography
from PCV.tools.imtools import get_imlist
# load image list and vocabulary
# 载入图像列表
imlist = get_imlist('D:\bow\image\') # 存放数据集的路径
nbr_images = len(imlist)
# 载入特征列表
featlist = [imlist[i][:-3] + 'sift' for i in range(nbr_images)]
# 载入词汇
with open('D:\bow\image\vocabulary.pkl', 'rb') as f: # 存放模型的路径
voc = pickle.load(f)
src = imagesearch.Searcher('testImaAdd.db', voc)
# index of query image and number of results to return
# 查询图像索引和查询返回的图像数
q_ind = 150
nbr_results = 5
# regular query
# 常规查询(按欧式距离对结果排序)
res_reg = [w[1] for w in src.query(imlist[q_ind])[:nbr_results]]
print('top matches (regular):', res_reg)
# load image features for query image
# 载入查询图像特征
q_locs, q_descr = sift.read_features_from_file(featlist[q_ind])
fp = homography.make_homog(q_locs[:, :2].T)
# RANSAC model for homography fitting
# 用单应性进行拟合建立RANSAC模型
model = homography.RansacModel()
rank = {}
# load image features for result
# 载入候选图像的特征
for ndx in res_reg[1:]:
locs, descr = sift.read_features_from_file(featlist[ndx]) # because 'ndx' is a rowid of the DB that starts at 1
# get matches
# 获取匹配数 # get matches执行完后会出现两张图片
matches = sift.match(q_descr, descr)
ind = matches.nonzero()[0]
ind2 = matches[ind]
tp = homography.make_homog(locs[:, :2].T)
# compute homography, count inliers. if not enough matches return empty list
# 计算单应性,对内点技术。如果没有足够的匹配书则返回空列表
try:
H, inliers = homography.H_from_ransac(fp[:, ind], tp[:, ind2], model, match_theshold=4)
except:
inliers = []
# store inlier count
rank[ndx] = len(inliers)
# 将字典排序,以首先获取最内层的内点数
sorted_rank = sorted(rank.items(), key=lambda t: t[1], reverse=True)
res_geom = [res_reg[0]] + [s[0] for s in sorted_rank]
print('top matches (homography):', res_geom)
# 显示查询结果
imagesearch.plot_results(src, res_reg[:8]) # 常规查询
imagesearch.plot_results(src, res_geom[:8]) # 重排后的结果
暂无评论内容