大规模图像检索中局部特征聚合与索引方法研究
随着互联网和多媒体技术的迅速发展,人们可以访问到的多媒体数据,尤其是图像数据的数量急剧增长,如何实现图像对象内容的相似性检索成为一个非常重要的研究课题。图像对象之间的相似度可以利用特征向量之间的距离衡量,但大多数特征向量的维度很高,因此高维索引机制成为实现大规模图像库中基于内容检索的关键技术。
面对“维度灾难”带来的影响,如何设计高效的索引方法,实现对海量高维特征向量的有效组织是研究者们面临的巨大挑战。在分析了图像的局部聚合描述符(Vectors of Locally Aggregated Descriptors, VLAD)以及结合积量化、非对称距离计算、以及倒排索引的高维索引方法——非对称距离计算倒排索引机制(Inverted File with Asymmetric Distance Computation, IVFADC)的优缺点之后,对算法存在的不足进行了改进。
针对VLAD中硬分配难以准确描述局部特征向量与聚类之间隶属关系的问题,提出用软分配代替硬分配,根据局部特征向量与聚类中心的距离分配不同的隶属权值,生成更具代表性的软分配局部 ...