一种基于低层视觉特征融合的高效图像检索
计算机视觉与模式识别
2018-12-03 v1
摘要
随着图像存档数量的增加，基于内容的图像检索（CBIR）已引起计算机视觉研究界的关注。图像的视觉内容以数值形式在特征空间中表示，被视为图像的特征向量。属于不同类别的图像可能包含共同的视觉与形状，这会导致分属不同类别的两幅图像的计算特征空间相近。因此，特征提取与图像表示需选取恰当特征，因其直接影响图像检索系统的性能。常用视觉特征包括图像空间布局、颜色、纹理与形状。图像特征空间被组合以达成单独使用特征无法获得的判别能力。基于此，本文旨在探究基于颜色与形状特征的低层特征组合。我们选取颜色矩与颜色直方图表示颜色，而形状由不变矩表示。我们选择此组合，因这些特征被报道直观、紧凑且对图像表示稳健。我们使用 Corel、Coil 与 Ground Truth（GT）图像数据集评估所提研究的性能。我们通过计算精确率、召回率及特征提取所需时间评估所提低层特征融合。所提低层特征融合获得的精确率、召回率与特征提取值优于现有 CBIR 研究。
引用
@article{arxiv.1811.12695,
title = {An Efficient Image Retrieval Based on Fusion of Low-Level Visual Features},
author = {Atif Nazir and Kashif Nazir},
journal= {arXiv preprint arXiv:1811.12695},
year = {2018}
}