Sketch-based Image Retrieval Using Contour Segments

基于草图的图像检索方法是一个活跃的研究领域，尤其是在互联网和移动设备的快速发展增加了对强大而高效的图像检索工具的需求的背景下。本文提出了一种新的基于草图的图像检索算法，重点在于解决如何精确测量草图与图像轮廓之间的相似性这一主要挑战。 为了实现这一目标，研究者们提出了将图像轮廓分为两种类型：全局轮廓和显著轮廓。全局轮廓能够降低具有复杂背景图像之间的相似性，而显著轮廓则有助于检索与查询草图相似的对象图像。此外，研究者们还提出了一种新的描述符，即角径向方向划分（AROP）特征，该描述符充分利用了梯度方向信息，以减小草图与图像之间的差异。 为了增加检索率，研究者们使用这两种轮廓作为特征提取的候选轮廓。基于这一算法建立了一个检索系统，并在包含42万张图像的数据集上进行了实验。实验结果表明，该方法具有出色的检索性能，并与其他算法进行了比较。 传统的基于内容的图像检索（CBIR）主要使用文本或图像作为查询。然而，文本特征的准确性较低，可能会导致用户表达与用户期望之间的不匹配。尽管基于图像的搜索技术发展迅速且效果良好，但当用户没有查询图像和文本时，获取相关图像存在困难。为了避免这个问题，用户可以绘制草图，然后使用草图作为图像检索系统的输入，这使得SBIR技术对于用户来说更加方便。 SBIR技术指的是使用手绘草图进行图像检索的方法，草图由粗略简单的黑白线条组成，用于检索相应的图像。尽管SBIR从1990年代开始就已经被研究，但如何精确测量草图与图像轮廓之间的相似性仍然是一个挑战。 SBIR方法依赖于形状描述符来比较草图与图像的相似性。形状描述符是基于图像的外观和结构特征的数学表达。它通常包括形状的几何属性，如轮廓、曲率、尺度、方向等。本文提出的AROP特征是一种有效的形状描述符，它考虑了图像的边缘和方向信息，并通过角径向方向的划分来增强描述符的区分能力。 全局轮廓和显著轮廓的概念在检索过程中起到了重要的作用。全局轮廓的使用能够帮助检索系统在背景复杂的情况下快速筛选出相似的图像，而显著轮廓则可以帮助系统关注到草图中的关键形状和对象。这两种轮廓的结合能够有效地提高检索的准确度和效率。 基于以上研究，开发的检索系统展示了这一新算法在大规模图像数据库上的高效检索能力。此方法与现有算法的比较进一步证实了其优势。该研究不仅为SBIR领域的发展提供了新的思路和工具，也为未来图像检索技术的进步奠定了基础。随着技术的不断发展和完善，基于草图的图像检索在未来的应用中将更加广泛和深入。