28、基于区域和局部二值模式的图像检索方法

基于区域和局部二值模式的图像检索方法

在图像检索领域，有多种方法可用于从图像数据库中查找与查询图像相似的图像。本文将介绍基于区域的检索方法、基于局部二值模式（LBP）的方法以及完整二进制区域描述符（CBRD），并对这些方法进行实验评估。

1. 基于区域的检索方法

基于区域的检索方法允许用户在查询图像中手动选择感兴趣区域（ROI）。为了实现这一点，图像被划分为固定数量的小块。

• 传统方法 ：一种方法是将图像划分为特定大小的块（如2×2、3×3等），并将与用户选择的ROI重叠的块定义为ROI，基于预先提取的每个块的特征值来计算ROI的相似度。相似度计算公式如下：
  [D_j(Q, I_j) = \sum_{n}\sum_{i}k W_{n,i} S_j(n, i)]
  其中，$M$ 是图像总数，$S_j(n, i)$ 是测量 $Q$ 与 $I_j$ 的第 $n$ 个块的第 $i$ 个特征之间距离的函数，$W_{n,i}$ 是第 $n$ 个块的第 $i$ 个特征的权重，$k$ 是ROI与块的重叠比例。然而，这种方法仅测量目标图像中与查询图像相同位置的块的距离，而不考虑不同位置的块。

• 考虑相对位置的方法

  • Lee和Nang的方法 ：为了在ROI检索中纳入多个ROI的相对位置，提出了一种使用ROI相对布局的新相似度测量方法。该方法将图像划分为特定大小的块，并从与用户指定的ROI重叠的块中提取MPEG - 7主色，以测量它们与目标图像的相似度。在计算相似度时，会对