Bag of Block-Based Visual Words for Image Retrieving and Classification

課程: 論文研討(一)
日期 : 2012/11/16
時間 : 13:50 ~ 15:30
學生 : 資傳研一 辛彥德
演講者 : 義守大學資工系 郭忠民 教授


對使用者而言，以圖片搜尋圖片往往較易於找到想要搜尋的圖片資料。目前也有許多相關的系統及網站。用圖像來進行搜尋時，必須先利用相關演算法來將圖像進行特徵化。而SIFT (Scale-Invariant Feature Transform)就是一種電腦視覺的演算法用來偵測與描述影像中的局部性特徵，它在空間尺度中尋找極值點，並提取出其位置、尺度、旋轉不變數。若找兩影像的關鍵點特徵來比對，可發現越相似的影像，關鍵點特徵符合數越多，藉此來判斷兩影像的相似度。
SIFT可用來偵測與描述影像中的局部性特徵，它在空間尺度中尋找極值點，並提取出其位置、尺度、旋轉不變數，局部影像特徵的描述與偵測可以幫助辨識物體，對於光線、雜訊、些微視角改變的容忍度也相當高。基於這些特性，它們是高度顯著而且相對容易擷取，在母數龐大的特徵資料庫中，很容易辨識物體而且鮮有誤認。但會因為背景而導致偵測錯誤，因此研究不採用SIFT。

研究以4×4區塊分割的方式來擷取影像內容具代表性的特徵，與SIFT相比較簡單容易且有效，並加入巨觀與微觀的概念，建立出巨觀視覺字典與微觀視覺字典，巨觀微觀字典以不同比例進行搜索時，可找到不同類型的照片，以相似性、差異性histogram(並非灰階值而是visual word)進行比對。利用影像檢索來驗證訓練視覺字典，觀察其特徵描述子是否能正確的描述出影像，以ARR與ANMRR的實驗結果顯示此研究所訓練的視覺字典具有描述能力，也進一步將視覺字典應用在影像分類上。