OpenCV | SIFT SURF | Hash | 图像搜索

Question

我对图像处理和图像匹配非常陌生，不是很清楚。我需要做的是： a）拍摄一张图片 b）从中提取特征（SIFT、SURF更适合匹配） c）创建哈希值（如MD5或SHA1） d）将其存储在数据库中，并搜索是否有相似的不同图片。

基本上（A Tineye）

我参考了OpenCV / SURF How to generate a image hash / fingerprint / signature out of the descriptors?。我还查看了pHash，并尝试通过opencv simple_matcher.cpp运行SIFT SURF。

稍微了解了几下几何哈希/局部敏感哈希，但不确定我是否朝着正确的方向前进。

我如何从SIFT/SURF（OpenCV）提取的特征中创建哈希值？如果有人能告诉我应该遵循哪些简单的步骤或引用来继续前进，我将不胜感激。

- bitvijays

---

你的最终目标是将一张图片与许多数据库中的图片进行匹配吗？ - kamjagin

@kamjagin 是的。我正在尝试构建一个小应用程序，假设我们在一个笔记本电脑上找到了500张图片，在另一个笔记本电脑上找到了100张图片。我正在尝试查找它们之间是否共享了任何图像。这些图像可能已经被修改过，因此我不能只使用MD5散列值进行比对。 - bitvijays

Answer 1

好的，有很多种匹配图像的好方法，复杂程度不同。我会提供一个建议，认为它足够解决你描述的问题并且非常简单易懂（因为你说你对计算机视觉感到非常新奇 :) ）。

1. 在计算机1上对图像进行稀疏或密集的SURF特征计算
2. 创建词汇表（对于这个任务，随机生成一个可能也足够好）
3. 将特征分配给词汇表（nn）
4. 构建kd-tree（用于最近邻）或者学习一些分类器（例如sum）
5. 将分类器应用于计算机2上的图像（在计算SURF并分配到词汇表之后）

相同的图像很可能会产生最高的分类得分。

我之所以建议这种方法而不是更快和更简单的方法，是因为对于500张图片这样少的数量，你不太可能遇到性能问题，而且opencv中有一个很好的例子（bagofwords_classification.cpp），你可以按步骤跟着做来实现你想要的目标。

- kamjagin

---

我有几个问题：1）我们是计算稀疏还是密集的SURF特征，就像https://code.ros.org/trac/opencv/browser/trunk/opencv/samples/cpp/matcher_simple.cpp?rev=3204中的代码一样吗？2）我读到了关于词袋的内容。它主要用于视觉对象类别pascal。但我的应用目标并不完全是如此。我的应用目标是查找儿童虐待的图像。3）我应该有一个包含所有与发现的图像相关的哈希值的中央数据库。这样，无论查获多少台笔记本电脑，我们只需扫描在笔记本电脑中找到的图像并检查数据库即可。4）图像可能会超过500张，甚至可能达到10000张。 - bitvijays

1. 是的 - 这是一种计算两个不同图像的稀疏SIFT描述符的方法，对于这个问题已经足够好了。
2. BOW只是一种在没有空间约束的情况下描述图像内容的方法（尽管金字塔类型的空间约束可以改善结果）。它可以解决你的问题。
3. 仍然非常适合。每个图像将由其单词进行描述。
4. 然后您应该查看细节以使其更有效。您可以从http://people.rennes.inria.fr/Herve.Jegou/的工作开始查看。他的网页上还有一些matlab代码。

- kamjagin