计算机视觉--BOF图像检索算法

1、BOF

1.1 简介

BOF（Bag Of Features）是一种图像特征提取方法，它借鉴了文本分类的思路（Bag Of Words），从图像抽象出很多具有代表性的「关键词」，形成一个字典，再统计每张图片中出现的「关键词」数量，得到图片的特征向量。

「Bag of Words」
「Bag of Words」是文本分类中一种通俗易懂的策略。一般来讲，如果我们要了解一段文本的主要内容，最行之有效的策略是抓取文本中的「关键词」，根据关键词出现的频率确定这段文本的中心思想。比如：如果一则新闻中经常出现「iraq」、「terrorists」，那么，我们可以认为这则新闻应该跟伊拉克的恐怖主义有关。而如果一则新闻中出现较多的关键词是「soviet」、「cuba」，我们又可以猜测这则新闻是关于冷战的，如下图所示。

这里所说的「关键词」，就是「Bag of words」中的 words ，它们是区分度较高的单词。根据这些 words ，我们可以很快地识别出文章的内容，并快速地对文章进行分类。
「Bag of Features」也是借鉴了这种思路，只不过在图像中，我们抽出的不再是一个个「word」，而是图像的关键特征「Feature」，所以研究人员将它更名为「Bag of Features」。

「Bag of Features」
「Bag of Features」的本质是提出一种图像的特征表示方法。按照「Bag of Features」算法的思想，首先我们要找到图像中的「关键词」，而且这些关键词必须具备较高的区分度。实际过程中，通常会采用「SIFT」特征。有了特征之后，我们会将这些特征通过「聚类算法」得出很多聚类中心。这些聚类中心通常具有较高的代表性，比如，对于人脸来说，虽然不同人的眼睛、鼻子等特征都不尽相同，但它们往往具有共性，而这些聚类中心就代表了这类共性。我们将这些聚类中心组合在一起，形成一部「字典」。
对于图像中的每个「SIFT」特征，我们能够在「字典」中找到最相似的聚类中心，统计这些聚类中心出现的次数，可以得到一个「向量表示」，如下图所示。这些向量就是所谓的「Bag」。这样，对于不同类别的图片，这个向量应该具有较大的区分度。

1.2 基本流程

「Bag of Features」基本流程如下：
1、提取图像特征
2、对特征进行聚类，学习"视觉字典"（ visual vocabulary ）
3、根据TF-IDF把输入图像转化成视觉单词（ visual words）的频率直方图
4、构造特征到图像的倒排表，快速索引相关图像
5、根据索引结果进行直方图匹配

• 提取图像特征

通过切割、密集或随机採集、关键点或稳定区域、显著区域等方式使图像形成不同的patches。并获得各patches处的特征。特征必须具有较高的区分度，而且要满足旋转不变性以及尺寸不变性等，因此，我们通常都会采用「SIFT」特征，如下图所示。

• 聚类特征，学习"视觉字典"（ visual vocabulary ）

提取完特征后，我们会采用一些聚类算法对这些特征向量进行聚类。最常用的聚类算法是 k-means。至于 k-means 中的 k 如何取，要根据具体情况来确定。另外，由于特征的数量可能非常庞大，这个聚类的过程也会非常漫长。

由聚类中心代表的视觉词汇形成视觉词典：

• 图像的频率直方图表示

TF-IDF
TF-IDF是一种用于信息检索的经常使用加权技术，在文本检索中。用以评估词语对于一个文件数据库中的当中一份文件的重要程度。词语的重要性随着它在文件里出现的频率成正比添加，但同一时候会随着它在文件数据库中出现的频率成反比下降。
TF的主要思想是：假设某个关键词在一篇文章中出现的频率高。说明该词语能够表征文章的内容。该关键词在其它文章中非常少出现，则觉得此词语具有非常好的类别区分度，对分类有非常大的贡献。词频(TF)指的是一个给定的词语在该文件里出现的次数。如：TF = 0.030 ( 3/100 )表示在包括100个词语的文档中, 词语’A’出现了3次。
IDF的主要思想是：假设文件数据库中包括词语A的文件越少。则IDF越大，则说明词语A具有非常好的类别区分能力。逆文档频率(IDF)是描写叙述了某一个特定词语的普遍重要性。假设某词语在很多文档中都出现过，表明它对文档的区分力不强，则赋予较小的权重；反之亦然。如：IDF = 13.287 ( log (10,000,000/1,000) )表示在总的10,000,000个文档中，有1,000个包括词语’A’。
最终的的TF-IDF权值为词频与逆文档频率的乘积。

对于一幅图像而言，我们可以提取出大量的「SIFT」特征点，但这些特征点仍然属于一种浅层的表达，缺乏代表性。因此，需要根据字典重新提取图像的高层特征。具体做法是，对于图像中的每一个「SIFT」特征，都可以在字典中找到一个最相似的 visual word，这样，我们可以统计一个 k 维的直方图，代表该图像的「SIFT」特征在字典中的相似度频率。

例如：对于上图这辆车的图片，我们匹配图片的「SIFT」向量与字典中的 visual word，统计出最相似的向量出现的次数，最后得到这幅图片的直方图向量。

• 构造倒排表，快速索引图像

既然我们需要检索相似图像，这就说明相似图像与输入图像具有相同的特征。

• 根据索引结果进行匹配

2、实验过程

2.1 数据集

2.2 实验结果展示

维度=100
结果1：


结果2：


当维度为100时，结果1的检索效果不错，结果2的检索效果不太好。看了数据集发现，结果1（台灯）这一类的图片是形状差别不大，背景也比较单一的十张照片，虽然各个图片亮度会有所不同，但从结果上看，亮度的变化对检索效果影响不大；结果2（自行车）这一类的图片是背景差别比较大的十张图片，有的图片包括了整个自行车，有的图片只有自行车的部分，因此尽管自行车类有十张图片，但检索结果却只有两张自行车的图片，另外三张明显看出来是检索错误的。
维度=500
结果1：


结果2：


当维度为500时，结果1的检索结果和维度为100时的检索结果一样，结果2的检索结果有了一些变化。相比维度为100时的直方图数值，维度为500时的直方图数值要稍微大一点点。结果2的检索结果前两张没有变化，后三张在维度为100时检索错误的在维度增大后还是检索错误。
维度=1000
结果1：


结果2：


当维度为1000时，结果1、结果2的检索结果都有了变化。维度为500时的直方图数值和维度为1000时的直方图数值一样。维度为500时的检索结果和维度为1000时的检索结果相比，结果1其中一张图片被新的图片替代，且检索结果是错误的；结果2只有一张图片没有被新的图片替代，检索结果也是不对的。检索效果随着维度增大而变差。
维度=2000
结果1：


结果2：


当维度为2000时，结果1、结果2的检索结果都有了很大的变化。维度为2000时的直方图数值和维度为1000时的直方图数值一样。结果1、结果2检索出来的五张图片相互都没有太大关系，却被一起检索出来，说明维度变得更大后，检索效果更差了。

2.3 小结

• 从实验结果可看出，维度越大，检索效果越不理想。
• 维度的变化影响着算法的速度和效果，维度越大，复杂度越大，算法速度变慢，效果变差，准确率变低。

2.4 源代码

# -*- 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('C:/BOF/')
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, 2000, 10)
#保存词汇
# saving vocabulary
with open('C:/BOF/vocabulary.pkl', 'wb') as f:
    pickle.dump(voc, f)
print ('vocabulary is:', voc.name, voc.nbr_words)

# -*- coding: utf-8 -*-
import pickle
from PCV.imagesearch import imagesearch
from PCV.localdescriptors import sift
from sqlite3 import dbapi2 as sqlite
from PCV.tools.imtools import get_imlist

#获取图像列表
imlist = get_imlist('C:/BOF/')
nbr_images = len(imlist)
#获取特征列表
featlist = [imlist[i][:-3]+'sift' for i in range(nbr_images)]

# load vocabulary
#载入词汇
with open('C:/BOF/vocabulary.pkl', 'rb') as f:
    voc = pickle.load(f)
#创建索引
indx = imagesearch.Indexer('C:/BOF/testImaAdd.db',voc)
indx.create_tables()
# go through all images, project features on vocabulary and insert
#遍历所有的图像，并将它们的特征投影到词汇上
for i in range(nbr_images)[:2000]:
    locs,descr = sift.read_features_from_file(featlist[i])
    indx.add_to_index(imlist[i],descr)
# commit to database
#提交到数据库
indx.db_commit()

con = sqlite.connect('C:/BOF/testImaAdd.db')
print (con.execute('select count (filename) from imlist').fetchone())
print (con.execute('select * from imlist').fetchone())

# -*- coding: utf-8 -*-
import pickle
from PCV.localdescriptors import sift
from PCV.imagesearch import imagesearch
from PCV.geometry import homography
from PCV.tools.imtools import get_imlist

# load image list and vocabulary
#载入图像列表
imlist = get_imlist('C:/BOF/')
nbr_images = len(imlist)
#载入特征列表
featlist = [imlist[i][:-3]+'sift' for i in range(nbr_images)]

#载入词汇
with open('C:/BOF/vocabulary.pkl',errors='ignore') as f:
    voc = pickle.load(f)

src = imagesearch.Searcher('C:/BOF/testImaAdd.db',voc)

# index of query image and number of results to return
#查询图像索引和查询返回的图像数
q_ind = 40
nbr_results = 5

# regular query
# 常规查询(按欧式距离对结果排序)
res_reg = [w[1] for w in src.query(imlist[q_ind])[:nbr_results]]
print ('top matches (regular):', res_reg)

# load image features for query image
#载入查询图像特征
q_locs,q_descr = sift.read_features_from_file(featlist[q_ind])
fp = homography.make_homog(q_locs[:,:2].T)

# RANSAC model for homography fitting
#用单应性进行拟合建立RANSAC模型
model = homography.RansacModel()
rank = {}

# load image features for result
#载入候选图像的特征
for ndx in res_reg[1:]:
    locs,descr = sift.read_features_from_file(featlist[ndx])  # because 'ndx' is a rowid of the DB that starts at 1
    # get matches
    matches = sift.match(q_descr,descr)
    ind = matches.nonzero()[0]
    ind2 = matches[ind]
    tp = homography.make_homog(locs[:,:2].T)
    # compute homography, count inliers. if not enough matches return empty list
    try:
        H,inliers = homography.H_from_ransac(fp[:,ind],tp[:,ind2],model,match_theshold=4)
    except:
        inliers = []
    # store inlier count
    rank[ndx] = len(inliers)

# sort dictionary to get the most inliers first
sorted_rank = sorted(rank.items(), key=lambda t: t[1], reverse=True)
res_geom = [res_reg[0]]+[s[0] for s in sorted_rank]
print ('top matches (homography):', res_geom)

# 显示查询结果
imagesearch.plot_results(src,res_reg[:5]) #常规查询
imagesearch.plot_results(src,res_geom[:5]) #重排后的结果

3、实验遇到的问题

报错：print 语法

解决办法： 可能因为python版本的原因，print在不同版本里语法不一样，用记事本将该路径下的imagesearch.py打开并按照提示修改即可。