• bin/ 包含二进制文件
• conf/ 一系列配置文件
• imgInfo/ 图像文件集及提取图像信息的脚本
• include/ 头文件
• src/ 源文件
• mist/ 数据库表生成文件及Google protobuf定义文件

• opencv >= 2.0 且编译NONFree 库
• postgresql >= 9.0
• ImageMagick ,在用脚本提取图像信息的时候用到
• Google Protobuf ,图像检索服务器用于客户端通讯

1. 创建数据库及相应的表

   # 创建名为 imret的数据库,在PostgreSQL中可能需要切换到pgsql用户才有权限
   $ createdb imret 
   $ cd mist
   # 使用用户 pgsql 在数据库imret中 创建表
   $ psql -U pgsql -d imret -f ./createTB.sql
       

2. 添加图像集，读取图像信息，写入数据库

   # 假设图像集放在目录 mist/img/PI100 下
   $ cd mist
   # 读取图像信息, 并以带头CSV格式输出到标准输出，使用重定向写入到文件
   $ ./readImgInfo.sh img/PI100 PI100 > PI100.csv
   # 上述命令的第2个参数为图像集的标签
   # 将图像信息写入数据库，参数为 ./readImgInfo.sh 生成的文件,默认使用pgsql用户
   $ ./writeImgInfoDB.sh PI100.csv
       

3. 生成二进制可执行文件

   $ cd src
   $ make all
   # 生成的可执行代码放在 bin/目录下
       

配置文件的每行均为key=”value” 形式,以 # 开头的为注释 支持的key如下:

• PGURI,连接数据库的URI,egg:postgresql://username:password@server-address/database
• image,用于选择初始化的图像集，imageClass为给图像的标签,改语句实际为SQL语句中的where子句， 所以可以加入其它符合SQL语法的命令。这个值确定好后不要修改，不然会无法读取已经写入的数据！
• k ,k-means聚类时使用的k
• precision, k-means收敛的精度
• maxCount, k-means的最大迭代次数
• nresult, 图像检索服务器返回的最大结果数
• resultSimilarity, 图像检索服务器返回结果的最小相似度[0,1]

1. 计算SIFT特征

   # 确保在bin/ 目录下的可执行文件能够读取图像集
   $ cd bin
   $ ln -s ../imgInfo/img img
   # 先手动写入CSV文件的头
   $ echo "imageID,position,feature" > PI100_SIFT.csv
   # ./calcSift 的参数为配置文件路径,结果会输出到标准输出，运行状态会输出到标准错误
   $ ./calcSift ../conf/PI100.conf >> PI100_SIFT.csv
       

   至此img/PI100目录下的图像的SIFT特征均存提取并存放在文件PI100_SIFT.csv

2. 统计视觉词汇频率直方图

   # ./featsKmeans 需要两个参数，第一个为配置文件，第二个为含有头的SIFT的csv文件,
   # 结果会写入数据库
   $ ./featsKmeans ../conf/PI100.conf PI100_SIFT.csv
       

3. 运行图像检索服务器

   # 服务器将缓存文件放在当前目录的 userData/cache文件夹下，需要新建这个文件夹
   $ cd bin
   $ mkdir userData
   $ mkdir userData/cache
   $ ./server ../conf/PI100.conf
       

4. 向图像检索服务器发出检索请求

   $ ./client <path-to-img> [server-ip] [server-port]
       

Report bug szive(at)live.com