计算机视觉-----------图像检索

相似检索：

颜色特征提取：

目标：统计图片的颜色成分--->颜色聚类直方图

方法：使用K-means++对图片进行聚类

通过CIEDE2000算出颜色之间的差异

相似纹理检索：

目标：实现基于人类纹理感知的相似排序

纹理特征提取：多方向，多尺度Gabor滤波器组

特征计算：Kmeans++聚类直方图

相似形状检索：

PHOG形状特征提取（效果一般）

局部特征点：

检测出所有局部特征点，特征描述子

SIFT特征点，通过两个图SIFT电集之间的匹配对数（双向匹配）来找到相似图片

词包（Bag of Visual Word）：

忽略文本的语法和语序，用一组无序的单词来表达一段文字和一个文档

需要构建视觉词汇的字典，通过收集图片集的所有视觉词汇，利用Kmeans算法对所有词汇聚类，收缩为字典

索引加速

KD-tree：

一种用于多维度检索的二叉平衡树（用于不是特别高维度的情况）

先找到中点节点（根节点），先对X项进行排序，然后再对Y项进行排序

回溯：检查查询路径上节点的另一半子空间是否有距离更近的点

局部敏感哈希（Locality Sensitive Hash）：

使得两个相似度很高的数据以较高的概率映射成同一个hash值，而令2个相似度很低的数据以极低的概率银蛇成同一个hash值。

能够高效处理海量高维数据的最近邻问题