频谱法
傅立叶功率谱法、Gabor变换等
结构法
主要是通过纹理基元来描述纹理特征
模型法
如通过马尔可夫随机场、子回归模型等模型来表征 纹理特征 9
二、基础知识和关键技术

常用的相似性度量方法

欧氏距离
L 2 ( A , B ) ( ( a i bi ) ) 2
2 i 1
n
பைடு நூலகம்
1

L1-norm距离
多媒体数据库 图像索引和检索
主 要 内 容
绪论 预备知识 基于颜色和空间特征的图像检索 基于多尺度形状特征的图像检索 基于多小波纹理特征的图像检索 基于Radon和小波变换的图像检索 总结与展望

2
一、绪 论

图像检索的发展

基于文本的图像检索 (Text-Based Image Retrieval)
查准率的含义是在一次查询过程中，系统返回的相关 图像数目占所有返回图像数目的比例。查全率则指系统返 回的查询结果中相关图像数目占图像库中所有相关图像数 目的比例。

命中准确率
针对事先已进行分类的图像库测试集，命中准确率定义 为系统返回的相关图像数目占该类别测试数据库所有图像 数目的比例。 11
三、基于颜色特征的检索算法

基于内容的图像检索 (Content-Based Image Retrieval, CBIR)
3
一、绪 论

基本框架
4
一、绪 论

主要研究内容

特征提取
有效检索 用户接口


5
一、绪 论

国内外研究热点

图像低层特征的提取 基于区域的图像检索 图像语义特征的提取 高维索引技术 相关反馈技术 相关反馈与机器学习相结合
二次式距离 直方图相交法
L1 ( A , B )

n
a i bi
i 1

d qad ( A , B ) ( A B ) M ( A B )
T

d hi ( A , B ) 1
m in ( a , b )
i i i 1
n
10
二、基础知识和关键技术

常用评价准则

查准率(Precision)和查全率(recall)
7
二、基础知识和关键技术

形状

基于边界的表示方法
傅里叶描述符 (Fourier Shape Descriptors)

基于区域的表示方法
形状不变矩 (Moment Invariants)
8
二、基础知识和关键技术

纹理 统计法
灰度共生矩阵、对比度（contrast）、粗糙度 （coarseness）、方向性（directionality）等
17
( M i1 , M i 2 , M i 3 )
g
g
g
四、基于形状特征的检索算法
相似性度量
采用L1-norm距离来进行特征向量间的相似性度量 。 进一步两幅图像间的相似度距离可定义为
18
四、基于形状特征的检索算法
19

颜色直方图算法的主要思想：
首先将彩色图像转化为HSI作为处理的颜色 空间，并对颜色进行量化，提取颜色直方图；其 次，将图像特征高斯归一化，计算图像特征向量 的L1-norm距离和直方图相交法进行相似性度量， 并进行综合图像检索。
12
三、基于颜色特征的检索算法

颜色量化
本文将使用HSV颜色空间作为彩色图像 的色彩空间。根据色彩的不同范围和主观颜色 感知进行量化，将色调量化为8个级别，饱和 度和亮度分别量化为3个级别，将HSI空间划 分为8×3×3＝72个颜色区间，可以将三个分 量合并为一维特征向量C=9×H＋3×S＋I，则 C的取值范围为[0，71]，量化方式如下。
6
二、基础知识和关键技术

常用的低层视觉特征描述方法

颜色 全局颜色特征
颜色直方图 (color histogram) 颜色矩 (color moments) 颜色熵（color entropy）

空间颜色特征 颜色聚合矢量 (color coherence vector ) 颜色相关图 (color correlogram)
13
( M i1 , M i 2 , M i 3 )
g
g
g
三、基于颜色特征的检索算法
相似性度量
采用L1-norm距离来进行特征向量间的相似性度量 。 进一步两幅图像间的相似度距离可定义为
14
三、基于颜色特征的检索算法

检索性能
15
四、基于形状特征的检索算法

不变矩
16
四、基于形状特征的检索算法