圖像智能檢索手機APP軟件設計

沈陽理工大學 劉志新 王佳琪 鞠文遠 霍英豪 王 紅

隨著網絡技術和規模的發展壯大，人們通過互聯網可獲得的各種信息每天都在以驚人的速度增長，如何有效方便的在海量數據庫中查找到需要的信息，成為多媒體信息檢索領域研究的熱點。本文主要論述了這樣一個基于圖像內容進行檢索（CBIR）的系統在Android手機上的一個實現過程，用Java語言來進行開發，并簡單分析了該系統的主要功能和實現方法。設計出更加友好的互動界面，從而提高圖像的檢索效率，摒棄傳統檢索方式費時費力效率低的弊端，減少了人工操作，實現高效智能的圖像檢索。

基于內容的圖像檢索方式應用在我們生活的方方面面，在醫學領域，可以檢索醫學影像庫從而方便醫生進行診斷；在公共安全領域，可以將嫌疑人圖像和系統中信息匹配，從而方便警方破案；在電商領域，一些購物應用允許用戶上傳圖像，從而方便的查找到相同或相似的商品等。本次設計也是基于圖像內容進行檢索的一次體驗，深深感受到了圖像處理在生活中的魅力。

1 圖像智能檢索手機APP系統設計

圖像智能檢索系統主要由兩部分組成，對圖像信息特征的獲取，以及對圖像的檢索，其中檢索包括對圖像的預處理，圖像特征值的提取及對檢索結果的顯示。圖像智能檢索系統整體結構圖如圖1所示。

圖1 圖像智能檢索系統整體結構圖

2 圖像智能檢索系統的實現

圖像智能檢索系統是基于JAVA語言及OpenCV庫實現的，具體由圖像獲取及圖像檢索兩部分實現。其中實現的技術描述如下。

（1）圖像預處理算法，灰度化：圖像灰度化是指每個像素只有一個采樣顏色的圖像，這類圖像通常顯示為從最暗黑色到最亮的白色的灰度。

（2）特征點提取，ORB-fast角點檢測算法：Fast算法是關注度很高的基于模板和機器學習的角點檢測方法，OpenCV中Fast角點檢測算法不僅速度快而且具有很好的檢測效果。

（3）特征點篩選，非極大值抑制法：非極大值抑制算法（Non-maximum suppression,NMS）是有anchor系列目標檢測的標配，NMS主要用于消除多余的檢測框，那么消除的標準是什么，我們使用IOU作為標準來進行演示，IOU的原稱為Intersection over Union，也就是兩個box區域的交集比上并集。

（4）描述子建立，ORB-BRIEF描述子：在獲取圖像特征點之后，需要以某種方式來描述這些特征點的屬性，這就需要特征描述算法。BRIEF算法核心就是在特征點周圍以定義好的一種方式選擇N個點對，然后把這N個點對按照某種計算方式并將計算的結果組合起來，作為這一特征點的描述子，實質就是這些點對灰度值大小的二進制串。

（5）圖像匹配篩選：選擇已經匹配的點對的漢明距離小于最小距離的兩倍作為判斷依據，如果小于該值則認為是一個錯誤的匹配，過濾掉；大于該值則認為是一個正確的匹配。

3 圖像智能檢索系統測試

為驗證本論文研究的圖像智能檢索app是否具有可行性，對測試結果進行分析和總結。

（1）圖像獲取及預處理灰度化，如圖2、圖3所示。

圖2 獲取到的圖像

圖3 預處理后圖像

（2）特征點提取如圖4所示。

圖4 提取到的特征點圖

（3）獲取到的圖像與檢索到的圖像對比圖如圖5所示。

圖5 原圖與檢索到的圖片匹配圖

對圖像智能檢索手機app系統測試結果進行分析，發現系統中各項功能正常運行，故可驗證本論文設計的圖像智能檢索手機APP軟件是準確可靠的。

本文針對現如今對各種事物的大量檢索需求，設計了圖像智能檢索手機APP軟件，并將應用程序實現。經過對其中的部分功能進行測試，并對測試結果進行分析，最后驗證本圖像智能檢索手機APP的正確性可用性。采用本軟件解決實現生活中基本的檢索需求。