許唯瑋

（張家口市電化教育館，河北 張家口075000）

0 引 言

隨著Internet與數(shù)字視頻設(shè)備的高速發(fā)展，數(shù)字圖像信息海量增加，如何幫助用戶迅速有效地找到最需要的數(shù)字圖像，已成為當(dāng)前一個研究熱點.基于內(nèi)容的圖像檢索（Content Based Image Retrieval，CBIR）是指除了利用傳統(tǒng)的數(shù)據(jù)庫進行存貯管理外，還利用圖像的顏色、紋理、形狀等特征進行檢索.與這些常見的特征檢索相比，尺度不變的特征具有旋轉(zhuǎn)、縮放和仿射的不變性，因而在圖像匹配、圖像檢索領(lǐng)域得到越來越廣泛的應(yīng)用.在尺度不變的特征點提取算法中，較為經(jīng)典的便是SIFT算法，把圖像轉(zhuǎn)化為灰度圖像，再進行特征點提取.

1 SIFT特征算法

在2004年David G.Lowe總結(jié)了現(xiàn)有的基于不變量技術(shù)的特征檢測方法，并正式提出了一種基于尺度空間的，對圖像縮放、旋轉(zhuǎn)甚至仿射變換保持不變性的圖像局部特征描述算子-SIFT算子，其全稱是Scale Invariant Feat ure Transform，即尺度不變特征變換，一幅圖像SIFT特征向量的生成算法總共包括4步：

（1）尺度空間極值檢測，以初步確定關(guān)鍵點位置和所在尺度.

（2）通過擬和三維二次函數(shù)以精確確定關(guān)鍵點的位置和尺度，同時去除低對比度的關(guān)鍵點和不穩(wěn)定的邊緣響應(yīng)點（因為DoG算子會產(chǎn)生較強的邊緣響應(yīng)），以增強匹配穩(wěn)定性，提高抗噪聲能力.

（3）利用關(guān)鍵點鄰域像素的梯度方向分布特性為每個關(guān)鍵點指定方向參數(shù)，使算子具備旋轉(zhuǎn)不變性.

圖1 SIFT特征向量描述

（4）生成SIFT特征向量.首先將坐標(biāo)軸旋轉(zhuǎn)向關(guān)鍵點的方向，以確保旋轉(zhuǎn)不變性.接下來以關(guān)鍵點為中心取8×8的窗口.圖1左部分的中央黑點為當(dāng)前關(guān)鍵點的位置，每個小格代表關(guān)鍵點鄰域所在尺度空間的一個像素，箭頭方向代表該像素的梯度方向，箭頭長度代表梯度值，圖中的圈代表高斯加權(quán)的范圍（越靠近關(guān)鍵點的像素梯度方向信息貢獻越大）然后在每4×4的小塊上計算8個方向的梯度方向直方圖.在實際計算過程中，為了增強匹配的穩(wěn)健性，對每個關(guān)鍵點使用4×4共16個種子點來描述，這樣對于一個關(guān)鍵點就可以產(chǎn)生128個數(shù)據(jù)，即最終形成128維的SIFT特征向量.

2 圖像檢索算法

當(dāng)兩幅圖像的SIFT特征向量生成后，取被檢圖像中的某個關(guān)鍵點，將關(guān)鍵點特征向量的歐式距離來作為兩幅圖像中關(guān)鍵點的相似性判定度量，并找出其與圖像庫中圖像歐式距離最近的前兩個關(guān)鍵點.在這兩個關(guān)鍵點中，如果最近的距離除以次近的距離少于某個比例閾值，則接受這一對匹配點.降低這個比例閾值，SIFT匹配點數(shù)目會減少，但更加穩(wěn)定.將所有匹配點達到一定閾值的兩幅圖像的歐式距離之和除以圖像分辨率系數(shù)為這兩幅圖像的距離.計算圖像庫中所有圖像與檢索圖像的距離并排序，返回前n項結(jié)果即完成檢索過程.由于這一檢索過程運算量較大，實際操作過程中將特征值存入數(shù)據(jù)庫中，使用最近鄰算法進行特征值的查找.

3 實驗及結(jié)果分析

本文使用包含1200副5類圖像的li ff圖庫進行試驗，使用SIFT算法進行檢索，其中第一幅圖為待檢索圖像，檢索結(jié)果如圖2所示.從實驗結(jié)果可以看出，上圖關(guān)于建筑類圖像在SIFT算法檢索出的前7幅圖中，有4幅是相關(guān)圖片.下圖關(guān)于植物類圖像檢索出的7幅圖中，有1幅是相關(guān)圖片.可見該算法檢索在人工目標(biāo)的檢索情況時，效果還是比較令人滿意的，但對于自然景物的檢索結(jié)果較差.這說明SIFT特征對于人工目標(biāo)比對自然景物更加敏感.加入顏色信息和全局信息，在檢索中可以提高的檢索效果.在實際應(yīng)用中，可以再加入一些反饋信息，比如感興趣區(qū)域.一副圖像我們想要的可能只是其中的某個區(qū)域或某個對象，這時候可以讓用戶用鼠標(biāo)選取一個矩形區(qū)域作為感興趣區(qū)域，然后以感興趣區(qū)域作為待檢索對象，忽略其他區(qū)域，結(jié)合了感興趣區(qū)域可以使檢索的結(jié)果更接近用戶的預(yù)期.

圖2 檢索結(jié)果圖

4 結(jié) 語

本文提出了一種能在目標(biāo)發(fā)生一定變化的情況下很好實現(xiàn)檢索的方法.該方法將圖像轉(zhuǎn)化為SIFT特征向量的集合，再計算對應(yīng)特征向量之間的歐式距離實現(xiàn)匹配.實驗表明能對圖像進行內(nèi)容檢索，具有縮放、平移、旋轉(zhuǎn)不變性.

［1］David G.Lowe，Distinctive Image Features from Scale-Invariant Keypoints.International Journal of Computer Vi-sion，2004.5

［2］趙壘，侯振杰，一種改進的SIFT圖像配準(zhǔn)方法，計算機工程，2010.6

［3］Ritendra Datta，Dhiraj Joshi，Jia Li，and James Z.Wang Image Retrieval：Ideas，Influences，and Trends of the New Age，ACM Computing Surveys，Vol.40，2008.4