图像相似性和k均值聚类

Question

我玩的图像相似性有点。事实上，我正在玩图像检索系统。理想情况下，我想创建一些图像索引，我可以查询获得相似的图像。

我目前的想法是将某种ImageDescriptor存储到索引中，并且每个描述符可以在其中具有不同的特征，例如， k均值聚类质心，直方图......我有一些简单的基于wight的计算 - 每个特征都有距离函数，并且该函数的结果乘以它的所有特征的总和。最后的总和是距我的图像的距离。这不是很确定吗？

所以我开始玩直方图。我存储直方图索引，而不是查询直方图和索引存储直方图之间的距离。它给出了某种相似性，但在大多数情况下远非理想。

现在我玩的是k均值聚类。我已经实现了基于RGB距离的分割（在Lab颜色模式下也会尝试）。我的索引由质心矢量组成（来自聚类）。现在我只是在质心之间进行最小距离比较。它提供了更好的结果，但也远没有好的结果。

我的第一个问题，我可以做更好的段（群集）比查询距离？我怎样才能包含形状信息？正如旁注所示，大多数图像是日常物体（不同的铅笔，不同的眼镜，不同的鞋子，......）的图像，并且在相同颜色的背景上具有不同的纹理。不自然的图像，脸，树，云，山，...

问候 Zaharije

Answer 1

图像相似性不仅基于像素。有几个方面的图像相似度。为了获得良好的相似性，您需要从图像中获得额外的信息。低级功能等。