[论文解读] Experiments of Distance Measurements in a Foliage Plant Retrieval System

Abdul Kadir, Lukito Edi Nugroho+2 more|arXiv (Cornell University)|Nov 20, 2013

Leaf Properties and Growth Measurement参考文献 15被引用 12

一句话总结

本文评估了七种距离度量——曼哈顿距离、欧几里得距离、卡纳达距离、布拉-柯蒂斯距离、卡方距离、詹森-香农距离和克里贝克-利布勒散度——在 foliage 植物图像检索系统中的应用。基于 60 种具有不同叶形和叶色的植物物种，研究发现曼哈顿距离和欧几里得距离在检索准确率方面优于其他度量，因此在该应用中为最优选择。

ABSTRACT

One of important components in an image retrieval system is selecting a distance measure to compute rank between two objects. In this paper, several distance measures were researched to implement a foliage plant retrieval system. Sixty kinds of foliage plants with various leaf color and shape were used to test the performance of 7 different kinds of distance measures: city block distance, Euclidean distance, Canberra distance, Bray-Curtis distance, x2 statistics, Jensen Shannon divergence and Kullback Leibler divergence. The results show that city block and Euclidean distance measures gave the best performance among the others.

研究动机与目标

• 评估各种距离度量在 foliage 植物图像检索系统中的有效性。
• 识别基于叶形态和颜色对植物图像进行排序时最准确的距离度量。
• 使用真实世界植物图像数据比较七种距离度量的性能。
• 为在植物图像检索应用中选择最优距离度量提供实证依据。

提出的方法

• 本研究使用包含 60 种 foliage 植物物种的图像数据集，其叶形和叶色各不相同。
• 提取图像特征并用作距离计算的输入向量。
• 应用七种距离度量：曼哈顿距离、欧几里得距离、卡纳达距离、布拉-柯蒂斯距离、卡方距离、詹森-香农距离和克里贝克-利布勒散度。
• 通过测量基于真实标签排序的检索准确率来评估性能。
• 实验在受控数据集上进行，以确保不同度量之间的比较具有一致性。
• 根据识别相似植物图像的精确率和召回率对结果进行分析和排序。

实验结果

研究问题

• RQ1 哪种距离度量在 foliage 植物图像检索系统中能实现最高的检索准确率？
• RQ2 当基于叶形和叶色比较植物图像时，不同距离度量的表现如何？
• RQ3 距离度量的选择是否显著影响相似植物图像的排序质量？
• RQ4 哪种距离度量在具有不同叶特征的多样化植物物种中最具鲁棒性？

主要发现

• 曼哈顿距离在所有测试的距离度量中实现了最高的检索性能。
• 欧几里得距离排名第二，表现强劲，与曼哈顿距离非常接近。
• 卡纳达距离、布拉-柯蒂斯距离、卡方距离、詹森-香农距离和克里贝克-利布勒散度的表现不如曼哈顿距离和欧几里得距离。
• 曼哈顿距离和欧几里得距离在所测试的 60 种植物物种中表现出卓越的鲁棒性和一致性。
• 结果表明，对于此特定的植物检索任务，基于 L1 和 L2 范数的简单距离度量比信息论或统计散度度量更有效。