呂英麗 徐小君 顧 勇

(河北建筑工程學院，河北張家口075000)

1 引言

隨著網(wǎng)絡技術和成像技術的迅猛發(fā)展，基于內(nèi)容的多媒體圖像資料的搜索需求日益強大［1］.現(xiàn)有的搜索引擎如百度、谷歌等對圖像資料的搜索主要依賴于圖像對應的標注信息，使得搜索結(jié)果不盡準確.而手工進行圖像標注的方法費用太過昂貴，僅僅根據(jù)標注的文本信息檢索圖像資料已經(jīng)不能滿足搜索的需求.新興的研究主要集中在基于內(nèi)容的圖像檢索系統(tǒng)上，即通過分析圖像內(nèi)容數(shù)據(jù)確定圖像的檢索信息進而進行圖像檢索［2］［3］.這些研究將促進基于圖像內(nèi)容搜索技術的應用，帶來很大的經(jīng)濟效益，同時能引起人們生活方式的變革進而產(chǎn)生巨大的社會效益［4］［5］.正是在這樣的背景下，本文應用LDA(latent Dirichlet allocation)模型對基本圖像特征進行建模，然后應用且具有良好分類效果的支持向量機SVM(Support Vector Machine)算法進行分類.

2 LDA模型介紹

本文利用圖像低層特征和圖片文件數(shù)據(jù)建立圖片的LDA模型.把模型參數(shù)送到LDA模型數(shù)據(jù)庫進行檢索，返回根據(jù)圖像內(nèi)容檢索到的類似圖像結(jié)果.尋找圖像的重要特征并構建圖像的語義模型.應用shift特征結(jié)合低層特征進行特征融合.建立圖像的改進LDA模型.根據(jù)語義模型進行圖像庫的預分類技術加快檢索速度.其中LDA模型是系統(tǒng)的核心模型.

LDA即隱狄立特雷分配［6］，是David Blei，Andrew Ng和Michael Jordan在2002年首先提出的一種生成模型.它是為文本處理領域引入的一個采用無參數(shù)分級貝葉斯方法產(chǎn)生的主題模型.在2006年，加州理工大學的李菲菲教授［7］將其引入圖像檢索領域并取得較好的效果.該模型每個主題下的文檔θi服從多項式分布Multi(θ)，語料庫中的每個主題服從多項式分布p(w|zi)，將其應用到圖像處理領域時，語料庫對應圖像領域的圖像庫，主題對應類別，文檔對應一幅圖像.α，β，θ，和φ是系統(tǒng)對應的參數(shù).

3 檢索系統(tǒng)設計

用戶輸入圖片到計算機，在本地先進行預處理，對圖片格式及其他圖片信息進行檢測.提取圖像低層特征包括顏色、紋理及SIFT特征，然后把圖像低層特征和圖片文件送入服務器端，在服務器端建立圖片的LDA模型.把模型參數(shù)送到LDA模型數(shù)據(jù)庫進行比對，確定圖片屬于的類別，在同類別中根據(jù)與輸入圖片相似度進行排序輸出前幾幅圖像.同時LDA模型數(shù)據(jù)庫匹配的文字信息也一起傳送到用戶端.如果用戶采用的是文字檢索方式，則直接用文字同模型數(shù)據(jù)庫中的文字進行檢索匹配.

4 實驗結(jié)果與分析

本系統(tǒng)提取SIFT特征的實驗部分使用SIFT－VC程序進行，該程序是Rob Hess編制的VC界面下的特征提取程序，具有特征提取速度快并與Lowe，D.的SIFT特征接近的效果.LDA建模部分采用GibbsLDA++進行，SVM部分使用臺灣林智仁教授的LIBSVM程序軟件包進行開發(fā).這些軟件包均是目前這些應用的主流軟件包，最貼近算法設計者的原算法且應用簡單.

實驗用的數(shù)據(jù)庫是ImageNet數(shù)據(jù)庫，該庫是2008年普林斯頓大學的李菲菲教授團隊開始建立的數(shù)據(jù)庫，該庫目前仍在建設中，不過已經(jīng)具有相當?shù)囊?guī)模.ImageNet根據(jù)WordNet分級機制組織數(shù)據(jù)庫.每個節(jié)點選取幾百到上千幅圖像描述該節(jié)點并由人工進行標注以確保數(shù)據(jù)庫數(shù)據(jù)的準確性.

實驗中我們由ImageNet數(shù)據(jù)庫中選卻了8類圖片進行檢索實驗，分別是哺乳動物、山、鳥、花、飛機、汽車、船和房屋.每類圖片選取500個樣本圖片.圖3給出了汽車類別和花類別的圖片的基本特征對比情況，由圖中可以看出同類別圖片的特征較不同類別有較大相似性.

在檢索率試驗中，由8類圖像中每類選取500幅圖像，按照檢索試驗方法進行試驗，表1列出了各類圖片的檢索率值.由表中可以看出不同類別的檢索率不同，這是由于不同檢索類別的特征特點不同，且與其他類別的區(qū)分度有差異造成的.

表1 八類圖片的檢索率

表2給出了當圖像訓練數(shù)據(jù)量變化時對檢索率的影響.訓練數(shù)據(jù)樣本量越大，檢索率越高.但訓練數(shù)據(jù)樣本量越大，檢索系統(tǒng)構建時的計算量也越大，系統(tǒng)構建的時間也越長.

表2 訓練數(shù)據(jù)變化時檢索率提高表

5 總結(jié)

本文在數(shù)字圖像內(nèi)容研究的基礎上提出了一種基于LDA模型的圖像檢索方法.該方法提取出圖像的顏色、紋理及SIFT特征進行混合得到圖像的復合特征，使用這些特征與圖像和圖像庫構建LDA模型.根據(jù)不同類別的LDA模型參數(shù)的不同進行圖像檢索.實驗表明該方法對基于內(nèi)容的多媒體圖像資料檢索效果良好.

［1］Datta R.，D.Joshi，J.Li，etc.Image retrieval:ideas，influences，and trends of the new age［M］.New York:Association for Computing Machinery，2008，1971 ～2035

［2］Russell，B.C.，Torralba，A.，Murphy，K.P.，etc.LabelMe:A database and web －based tool for image annotation.International Journal of Computer Vision，2008，77(1－3):157～173

［3］Vedaldi，A.，Gulshan，V.，Varma，M.，etc，A.Multiple kernels for object detection［C］.Kyoto:In Twelfth International Conference on Computer Vision，2009

［4］Kinh Tieu，Paul Viola.Boosting Image Retrieval.Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition，2000

［5］James Z.Wang，Jia Li，Gio Wiederhold.SIMPLIcity:Semantics－sensitive Integrated Matching for Picture Libraries［J］.IEEE Trans.on Pattern Analysis and Machine Intelligence，2001，23(9):pp947 －963

［6］D.Blei，A.Ng，M.Jordan.Latent dirichlet allocation.Journal of Machine Learning Research，2003，3:993 ～1022

［7］Fei－ Fei.L.，Perona.P.A Bayesian Hierarchical Model for Learning Natural Scene Categories.CVPR，2005，6:524 ～53