感知均匀描述子与流形排序：图像表示与图像检索排序之间的桥梁
计算机视觉与模式识别
2016-09-27 v1
摘要
在图像检索中，图像描述子与排序之间的不兼容性问题常被忽视。在本文中，我们引入流形学习和格式塔心理学理论来解决这一不兼容问题。提出了一种基于格式塔心理学的新型整体描述子——感知均匀描述子（PUD），它结合了颜色和梯度方向以模拟人类视觉的均匀性。由于 PUD 改进了传统描述子的视觉均匀性，在多数情况下，同一类图像中的 PUD 特征会分布在同一个流形上。因此，我们利用流形排序和 PUD 来实现图像检索。我们在五个基准数据集上进行了实验，所提出的方法能极大提高图像检索的准确率。我们在 Ukbench 和 Corel-1K 数据集上的实验结果表明，利用仅有 280 维的 PUD，N-S 分数达到了 3.58（HSV 为 3.4），mAP 达到了 81.77%（ODDBC 为 77.9%）。这些结果高于其他整体图像描述子（甚至一些局部描述子）和最先进的检索方法。
引用
@article{arxiv.1609.07615,
title = {Perceptual uniform descriptor and Ranking on manifold: A bridge between image representation and ranking for image retrieval},
author = {Shenglan Liu and Jun Wu and Lin Feng and Yang Liu and Hong Qiao and Wenbo Luo Muxin Sun and Wei Wang},
journal= {arXiv preprint arXiv:1609.07615},
year = {2016}
}