顯著性區(qū)域指導(dǎo)的局部特征算法.pdf

1、隨著互聯(lián)網(wǎng)中多媒體數(shù)據(jù)的快速增長，一個重大的挑戰(zhàn)在于如何理解和挖掘圖片與視頻中的信息，其中又以多媒體數(shù)據(jù)檢索的領(lǐng)域最受關(guān)注。一些典型的多媒體檢索應(yīng)用包括視頻推薦、旅游向?qū)?、視頻版權(quán)檢測等等。所有多媒體檢索系統(tǒng)的基礎(chǔ)都是以圖像的特征的提取和匹配為基礎(chǔ)的，通過從圖像中提取可以代表圖像特性的特征信息，從而使檢索圖像成為了可能。圖像特征信息主要包括全局特征和局部特征兩種。全局特征主要通過某一種圖像的特性來對圖像進行描述，如圖像的顏色、紋理等，其

2、中全局特征受限于其較低的精度和健壯性難以適用于圖像檢索的應(yīng)用場景。而局部特征算法關(guān)注的則是圖像中各個局部的特征信息，如圖像中物體的邊和角等，對于圖片顏色、放縮以及旋轉(zhuǎn)的變換皆不敏感，具有更高的精度和健壯性。局部特征算法通常包含多種復(fù)雜的運算，同時為了更準確的描述圖像，局部特征算法通常需要選取成百上千個特征點來代表一張圖像，這些過程雖然保證了局部特征算法的準確性，但卻導(dǎo)致局部特征算法的計算過程十分復(fù)雜，很難滿足實時的要求。在一臺配有3.3

3、GHzCPU的服務(wù)器上，局部特征算法中效率最高的SURF算法也只能達到2.6幀每秒的處理速度，遠低于24幀每秒的實時計算需求。同時，對于局部特征算法，通常使用高維向量表示一個特征點，而一張圖片通常包含成百上千個特征點，從而導(dǎo)致一張圖片的特征信息通常需要幾百KB或者上M的存儲空間。因此局部特征算法面臨來自計算和存儲兩方面的挑戰(zhàn)。
　　為了克服圖像局部特征算法面臨的性能和存儲的挑戰(zhàn)，本文提出了一種由圖像顯著性區(qū)域指導(dǎo)的局部特征算法（以

4、下簡稱為SRLF算法）。該算法的主要出發(fā)點是圖像中的視覺關(guān)注的區(qū)域（顯著性區(qū)域）通常是特征點比較密集的區(qū)域，而其他非顯著區(qū)域中的點通常對最終結(jié)果影響不大。因此，如果只對顯著區(qū)域中的特征信息進行計算和保存，則可以達到大大加快算法的處理速度并緩解存儲上的壓力。已有的顯著區(qū)域算法雖然可以精確檢測出顯著區(qū)域，然而一方面需要對顯著區(qū)域進行精確定位，需要引入復(fù)雜的計算過程，從而導(dǎo)致計算時間復(fù)雜，另一方面，由于很多特征點位于圖像中物體的邊界等位置，所

5、以精確的顯著區(qū)域標注會導(dǎo)致一些特征點的丟失，從而影響最終結(jié)果的精確性。SRLF算法利用了局部特征點在圖像上的分布，通過計算其幾何中心、離散程度等，可以高效的檢測出近似的顯著性區(qū)域。這些顯著性區(qū)域?qū)⒈挥米鬟^濾局部特征點的依據(jù)——所有落在區(qū)域外的局部特征點都將被剔除，因而待計算的特征點數(shù)量將大大減少。計算所需的近似顯著性區(qū)域大致的步驟如下:1.依據(jù)圖像中特征點的分布對圖像進行劃分，將圖像劃分為多個局部特征點集中的區(qū)域;2.計算每個圖像劃分中

6、的特征點的幾何中心，以及它們在水平方向和垂直方向上的離散程度;3.從計算出的中心點出發(fā)，逐步擴大每個顯著性區(qū)域的面積，直到區(qū)域中所包括的特征點數(shù)達到一個閾值，并得到最終的顯著性區(qū)域范圍。實驗數(shù)據(jù)顯示，SRLF算法提取出的局部特征數(shù)量小于原算法的一半，并減少超過一半的存儲空間。當將SRLF算法整合進一個實際的圖像檢索系統(tǒng)，整個系統(tǒng)可以獲得超過2倍的加速。
　　SRLF算法具有具有如下的特點:1.結(jié)合顯著性區(qū)域算法，指導(dǎo)局部特征的過濾