7、基于内容的图像检索：相异度度量对比与语义检索方法探索

基于内容的图像检索：相异度度量对比与语义检索方法探索

在当今的数字时代，图像数据呈现出爆炸式增长，如何高效地从海量图像中检索出所需内容成为了一个关键问题。基于内容的图像检索（Content-Based Image Retrieval，CBIR）技术应运而生，它通过计算数据对象和查询之间在内容特征空间中的相异度来实现图像检索。本文将围绕相异度度量的对比以及组织病理学图像的语义内容检索方法展开探讨。

相异度度量的分类与实验研究

在CBIR中，相异度测量起着至关重要的作用。然而，不同领域存在大量的相异度度量方法，一个关键的研究问题随之而来：相异度度量的检索性能是否依赖于不同的特征空间？如果是，这种依赖关系是怎样的？为了解决这个问题，研究人员系统地研究了14种典型的相异度度量方法，并将它们分为以下三类：
1. 几何度量 ：将对象视为多维空间中的向量，通过在各个维度上进行成对比较来计算两个对象之间的距离。
- Minkowski族距离（$d_p$） ：是欧几里得距离（$p = 2$）、曼哈顿距离（$p = 1$）和切比雪夫距离（$p = \infty$）的一般形式。
- 基于余弦函数的相异度（$d_{cos}$） ：计算两个向量之间的夹角，而不考虑向量的长度。
- Canberra度量（$d_{can}$） ：通过对各个维度上的差值进行求和来计算相异度。
- 平方弦距离（$d_{sc}$） ：对各个维度上的差值的平方进行求和。
- 部分直方图交集