几何直方图和K-Means算法在图像检索中的性能比较-研究论文

图像检索系统是用于基于文本或自动派生的特征从图像数据库中检索语义相关图像的技术集。 图像检索的大多数传统方法和常用方法都采用了一些向图像添加元数据（例如字幕，关键字或描述）的方法，以便可以在注释词上执行检索。 手动图像注释非常耗时，费力且昂贵。 但是，对于非常大的图像数据库，此方法显然是不切实际的，并且其有效性高度取决于专家的主观意见，而专家也可能会为同一图像提供不同的描述。 使用自动派生的图像特征或内容（用于用户指定的查询）从图像数据库中检索相似图像是一个活跃的研究领域。 为了获得局部视觉描述符，通常首先将图像划分为多个部分。 划分图像的最简单方法是使用分区，该分区将图像切成大小和形状均等的图块。 简单的分区不会生成感知上有意义的区域，而是一种以更高分辨率呈现图像全局特征的方法。 更好的方法是使用已在计算机视觉中广泛研究的区域分割算法，根据基于颜色和纹理的某些准则将图像划分为同质区域。 本文的主要重点是改善区域捕获，以提高检索性能，并提供更好的相似度距离计算。