27、基于短游程描述符与多特征融合的图像检索技术解析

基于短游程描述符与多特征融合的图像检索技术解析

在图像检索领域，如何高效准确地从海量图像数据中找到符合需求的图像一直是研究的重点。本文将介绍两种不同的图像检索技术，一种是基于短游程描述符的内容图像检索技术，另一种是融合颜色、纹理和形状特征的区域图像检索技术。

基于短游程描述符的图像检索

相似度度量

在比较查询图像和目标图像的归一化直方图时，采用卡方距离，因为它在该方法中能产生最佳效果。设 (Q) 和 (T) 分别是查询图像和目标图像的直方图，卡方统计量的计算公式为：
[D_{\chi^2}(Q, T) = \sum_{i = 1}^{576} \frac{(Q_i - T_i)^2}{Q_i + T_i}]
通过实验对比卡方距离和常用的欧几里得距离的结果，验证了使用卡方距离的方法优于基于欧几里得距离的方法。

实验评估

为了验证所提出描述符的性能，在两个数据集上进行了实验：
- MPEG - 7 通用颜色数据集（CCD） ：包含 5000 张图像和 50 个通用颜色查询（CCQ），每个查询都有指定的真实图像。使用平均归一化检索排名（ANMRR）来衡量单个描述符的有效性，ANMRR 值越低表示性能越好。
- COREL 11000 数据库 ：包含 110 个类别，每个类别有 100 张图像，涵盖了各种语义主题。使用常用的性能指标精度（P）和召回率（R）来判断检索准确性，计算公式如下：
[P = \frac{m}{n}]
[R = \frac{m}{t}]
其中，(m) 是检索到的相关图像数量，