Une nouvelle récupération d'image basée sur l'intégration de mots visuels SIFT et SURF

Avec l'évolution récente de la technologie, le nombre d'archives d'images a augmenté de manière exponentielle. Dans la récupération d'image basée sur le contenu (CBIR), les informations visuelles de haut niveau sont représentées sous forme de caractéristiques de bas niveau. Le fossé sémantique entre les caractéristiques de bas niveau et les concepts d'image de haut niveau est un problème de recherche ouvert. Dans cet article, nous présentons une nouvelle intégration de mots visuels de la transformation de caractéristiques invariant à l'échelle (SIFT) et des caractéristiques robustes accélérées (SURF). Les deux représentations de caractéristiques locales sont sélectionnées pour la récupération d'images car SIFT est plus robuste face aux changements d'échelle et de rotation, tandis que SURF est robuste aux changements d'illumination. L'intégration des mots visuels de SIFT et SURF ajoute la robustesse des deux caractéristiques à la récupération d'images. Les comparaisons qualitatives et quantitatives réalisées sur les ensembles de données d'images Corel-1000, Corel-1500, Corel-2000, Oliva et Torralba ainsi que les vérités de terrain démontrent l'efficacité de l'intégration de mots visuels proposée.