非负矩阵分解耦合视觉词典的图像检索算法

目的 解决当前图像检索技术中，图像特征稀疏编码收敛速度慢，以及局部特征空间信息不足易导致检索误差较大等问题，提出一种基于l0稀疏约束非负矩阵分解耦合视觉词典优化的图像检索算法。方法 首先，在非负矩阵分解（Non-negative Matrix Factorization，NMF）的基础上，对系数矩阵设置l0个约束来限制其稀疏性，从而定义一种l0稀疏约束的NMF方法。再通过一种自适应序列词典初始化方案，从训练样本获得词典的初始估计。然后，利用l0稀疏约束的NMF来增强视觉词典，对图像局部描述符进行稀疏编码，并利用最大池化操作来生成聚合特征向量，从而保留局部描述符的关键属性。最后根据得到的特征向量，引入Minkowski距离来衡量查询图像与数据库的相似性，输出检索图像。结果 实验结果表明，与当前图像检索方案相比，所提算法具有更高的查准-查全率和收敛速度。结论 所提算法返回的图像与查询图像相似度高，在包装商标检索等领域具有一定的参考价值