19、图像检索中不同描述符与分类器的评估

图像检索中不同描述符与分类器的评估

1. 图像检索概述

图像检索是从图像数据集中搜索和提取图像的技术。随着互联网上存储的图像日益增多，开发能处理海量图像并确保高精度的图像检索方法变得十分必要。该过程主要分为两个明确步骤：图像描述和检索方法。

近年来，许多研究团队致力于基于不同特征（如纹理、颜色和形状）的图像描述和检索方法。部分方法会结合多种特征，如Zakariya等人提出的将纹理、颜色和形状特征按不同权重组合的图像检索方法，在检索过程中使用简单的k近邻算法，并考虑不同的k值；Zhang等人提出的基于形状和纹理水印的检索系统，展示了在彩色图像数据集中组合不同特征的优势。

然而，存在许多仅基于对象轮廓的数据集，因此寻找能独立实现良好性能的形状描述符至关重要。一些基于离散余弦变换（DCT）的方法被提出用于形状图像检索，还有其他形状描述符方法也取得了有前景的结果，如ICA Zernike矩、基于小波的形状特征等。

在图像检索系统中，基于近邻的方法被广泛使用，并且有很多对经典k近邻方法的改进。

2. 形状描述方法

2.1 CPDH方法

原始的轮廓点分布直方图（CPDH）方法由Shu等人提出。具体步骤如下：
1. 获取轮廓点 ：使用标准Canny算子检测对象边界，获取图像轮廓在极坐标下的点。
2. 设置原点 ：将提取点的质心设为原点。
3. 划分区域 ：构建最小外接圆，使用同心圆周和等间隔角度将该圆定义的区域划分为多个区间。
4. 构建