本文介绍了Bag of Features (BOF)图像检索算法的原理和实现步骤。首先，通过SIFT算法提取图像特征，然后学习视觉词典，对特征进行量化。接着，将输入图像转化为视觉单词的TF-IDF频率直方图，并构建倒排表以便快速索引相关图像。最后，使用索引结果进行直方图匹配，完成图像检索。文章还包含了生成视觉词典和数据模型导入数据库的代码实现。
一丶原理
1.特征提取：通过sift算法提取图像特征。
2.学习“视觉词典”。
3.针对输入特征集，根据视觉词典进行量化。
4.把输入图像，根据TF-IDF转化成视觉单词（visual words）的频率直方图。
5.构造特征到图像的倒排表，通过倒排表快速索引相关图像
6.根据索引结果进行直方图匹配。
二丶实现
1.生成视觉词典代码：
# -*- coding: utf-8 -*-
import pickle
from PCV.imagesearch import vocabulary
from PCV.tools.imtools import get_imlist
from PCV.localdescriptors import sift
#获取图像列表
imlist = get_imlist('F:/VSCode/ch/images/')
nbr_images = len(imlist)
#获取特征列表
featlist = [imlist[i][:-3]+'sift' for i in range(nbr_images)]
#提取文件夹下图像的sift特征
for i in range(nbr_images):
sift.process_image(imlist[i], featlist[i])
#生成词汇
voc = vocabulary.Vocabulary('ukbenchtest')
voc.train(featlist, 1000, 10)
#保存词汇
# saving vocabulary
with open(r'F:\VSCode\ch\images\vocabulary.pkl', 'wb') as f:
pickle.dump(voc, f)
print ('vocabulary is:', voc.name, voc.nbr_words)
2.数据模型导入数据库代码
# -*- coding: utf-8 -*-
import pickle
from PCV.i
扫一扫
1万+
到【灌水乐园】发言
