67、用于研究食物图像表示的基准数据集

用于研究食物图像表示的基准数据集

1. 研究背景

自动识别食物图像是计算机视觉领域具有挑战性的课题，对饮食监测辅助技术至关重要。图像表示在食物识别中起着关键作用，为评估图像表示模型，提出了包含800多种菜肴的UNICT - FD889数据集，用于研究不同表示技术的特点和不足。为了对该数据集进行基准测试，考虑了近重复图像检索问题，测试了Bag of Textons、PRICoLBP和SIFT三种图像表示方法。

2. 表示方法

2.1 Bag of Textons

• 原理 ：Textons由Julesz在1981年提出，是视觉感知的基本结构和纹理的关键元素，在计算机视觉的纹理分析和图像分类中广泛应用。从计算角度，Textons是灰度或彩色图像对一组滤波器的响应。通过收集训练数据集图像的滤波器响应，使用聚类过程（如K - means）进行量化，每个聚类原型即为一个Textons，所有Textons构成最终的码本。图像的逐像素滤波器响应通过相似度度量（如欧几里得距离）与不同的聚类（即Textons原型）关联，不同Textons的分布用于表示图像。
• 获取方式 ：
  • 基于类别的方式 ：将训练集中的每个菜肴图像视为一个类，分别对不同类的响应进行量化，然后将不同类得到的Textons组合成最终码本。例如，若每道菜量化得到K个Textons，对于有889道菜的数据集，最终码本由889 × K个Textons组成。
  • 全局方式 ：不