[论文解读] Content-based image retrieval system with most relevant features among wavelet and color features

Abdolreza Rashno, Elyas Rashno|arXiv (Cornell University)|Feb 6, 2019

Image Retrieval and Classification Techniques参考文献 48被引用 11

一句话总结

本文提出了一种基于内容的图像检索（CBIR）系统，结合了基于小波的低频范数与多域颜色特征（RGB和HSV），以实现鲁棒的图像表征。采用蚁群优化（ACO）进行特征选择，识别出最相关的特征，以在最小化特征数量的同时最大化F-measure，相较于先前系统，在Corel数据库各类图像类别中均实现了更优的精确率与召回率。

ABSTRACT

Content-based image retrieval (CBIR) has become one of the most important research directions in the domain of digital data management. In this paper, a new feature extraction schema including the norm of low frequency components in wavelet transformation and color features in RGB and HSV domains are proposed as representative feature vector for images in database followed by appropriate similarity measure for each feature type. In CBIR systems, retrieving results are so sensitive to image features. We address this problem with selection of most relevant features among complete feature set by ant colony optimization (ACO)-based feature selection which minimize the number of features as well as maximize F-measure in CBIR system. To evaluate the performance of our proposed CBIR system, it has been compared with three older proposed systems. Results show that the precision and recall of our proposed system are higher than older ones for the majority of image categories in Corel database.

研究动机与目标

• 为解决CBIR结果对特征选择的敏感性问题，从大量小波与颜色特征中识别出最相关的特征。
• 通过最小化特征数量同时最大化F-measure，提升基于内容的图像检索的检索性能。
• 开发一种混合特征表征方法，结合小波变换（低频范数）与RGB和HSV空间中的颜色特征。
• 利用标准基准对系统性能与现有CBIR方法进行对比评估。
• 证明ACO-based特征选择在提升检索准确率与效率方面的有效性。

提出的方法

• 系统从离散小波变换（DWT）中提取低频分量的范数，作为对纹理敏感的特征。
• 从RGB和HSV颜色空间中提取颜色特征，以捕捉多样的颜色特性。
• 通过连接小波特征与颜色特征，为数据库中的每幅图像构建特征向量。
• 应用蚁群优化（ACO）算法选择最相关的特征子集，以优化F-measure并降低维度。
• 在检索过程中，针对每类特征（小波与颜色）使用定制的相似性度量来计算图像相关性。
• 在Corel图像数据库上，利用精确率、召回率与F-measure指标对系统进行评估。

实验结果

研究问题

• RQ1 哪种小波与颜色特征的组合能在CBIR系统中实现最高的检索准确率？
• RQ2 ACO-based特征选择如何在减少特征数量的同时提升F-measure？
• RQ3 结合小波低频范数与多域颜色特征的混合特征集是否能超越现有CBIR系统？
• RQ4 在使用所提方法时，不同图像类别在Corel数据集中的精确率与召回率如何变化？
• RQ5 通过ACO实现的特征维度降维对检索性能与计算效率有何影响？

主要发现

• 所提出的CBIR系统在Corel数据库的大多数图像类别中，均实现了比三种现有系统更高的精确率与召回率。
• ACO-based特征选择过程成功减少了特征数量，同时保持或提升了F-measure。
• 将小波低频范数与多域颜色特征（RGB与HSV）相结合，增强了特征向量的判别能力。
• 系统在多种图像类别中表现出稳健性能，表明其具备强大的泛化能力。
• 为小波与颜色特征使用领域特定的相似性度量，有助于提升检索准确率。
• 结果证实，通过ACO进行特征相关性选择，可构建更有效且高效的CBIR系统。