论文部分内容阅读
互联网每天都在产生海量的图像信息,如何检索这些海量数据也变得越来越重要。传统图像检索系统往往基于图像全局特征,无法有效检测不同背景下的同一物体。新兴的局部特征检测算法在一定程度上解决了这一难题,然而检索耗时较大,目前往往用于实时性要求不强的领域,如图像的拼接。本文采用局部特征检测中精度最高的算法——2009年Morel提出的ASIFT算法,实现在线海量图像检索系统。该算法采用传统PC方法,在中等规模数据集中进行单次搜索的时耗为8小时。本文工作重点在于降低该算法检索耗时,使其可以用于海量库的实时检索。本文采用跨平台架构实现该海量图像检索系统,将单张图片特征检测耗时由3.76秒降低到0.0716秒,速度提高了53倍,将同源物体在中等规模数据集中的检索时间降低到平均11.218秒。该系统结合PC与TMS320C6713的特点搭建检索平台,使用TMS320C6713实现并优化ASIFT算法,实现了传统图像检索系统不具备的抗旋转、抗扭曲、抗仿射、抗编辑、抗光照变化检索,并在保证检索精度的同时,大大降低了局部特征检索的耗时。同时,本系统采用PC管理检测系统,搜集7376张真实商品图像作为训练图库,开发系统界面,采用KD树数据结构存储DSP端反馈的处理数据,做到了良好的人机交互。本文最后给出了一些常见图像检索方法的精度和耗时,这为该跨平台检索方式提供了依据。