[论文解读] A New Color Feature Extraction Method Based on Dynamic Color Distribution Entropy of Neighborhoods

Fatemeh Alamdar, Mohammad Reza Keyvanpour|arXiv (Cornell University)|Jan 8, 2012

Image Retrieval and Classification Techniques参考文献 17被引用 9

一句话总结

本文提出了一种新颖的颜色特征提取方法——邻域动态颜色分布熵（DCDEN），通过在局部图像邻域内计算熵来整合空间颜色分布，从而提升基于颜色直方图的图像检索性能。该方法在图像检索准确率上优于改进的颜色分布熵方法，证明了其在捕捉空间颜色模式方面的有效性。

ABSTRACT

One of the important requirements in image retrieval, indexing, classification, clustering and etc. is extracting efficient features from images. The color feature is one of the most widely used visual features. Use of color histogram is the most common way for representing color feature. One of disadvantage of the color histogram is that it does not take the color spatial distribution into consideration. In this paper dynamic color distribution entropy of neighborhoods method based on color distribution entropy is presented, which effectively describes the spatial information of colors. The image retrieval results in compare to improved color distribution entropy show the acceptable efficiency of this approach.

研究动机与目标

• 解决颜色直方图在图像检索中忽略空间颜色分布的局限性。
• 开发一种能捕捉邻近像素间空间关系的更有效的颜色特征表示方法。
• 通过将局部空间上下文整合到颜色特征提取中，提升图像检索性能。
• 将所提方法与现有颜色分布熵技术进行对比评估。
• 证明基于动态邻域的熵在编码空间颜色模式方面的优越性。

提出的方法

• 该方法在像素的局部邻域内计算颜色分布熵，以捕捉颜色的空间排列。
• 采用滑动窗口方法分析图像中小区域内的颜色分布。
• 基于颜色值的频率分布计算每个邻域的熵，强调空间颜色模式。
• 最终的特征向量结合所有邻域的熵值，形成紧凑且对空间敏感的颜色描述符。
• 该方法动态适应局部颜色变化，提升了对纹理和空间结构的敏感度。
• 该方法应用于图像检索任务，并与改进的颜色分布熵方法及标准颜色直方图进行比较。

实验结果

研究问题

• RQ1 如何在颜色特征描述符中有效编码空间颜色分布？
• RQ2 基于邻域的熵计算是否能提升图像检索性能，相较于全局颜色直方图？
• RQ3 所提出的DCDEN方法在检索准确率上与现有颜色分布熵技术相比如何？
• RQ4 局部空间上下文对图像索引和分类中的颜色特征表示有何影响？
• RQ5 基于邻域的动态计算是否能增强颜色特征的判别能力？

主要发现

• 所提出的DCDEN方法在图像检索准确率上优于改进的颜色分布熵方法。
• 通过邻域熵引入的空间信息显著增强了特征的可区分性。
• 该方法能有效捕捉局部颜色模式，从而在纹理丰富和复杂的图像中提升性能。
• 结果表明，DCDEN通过引入空间上下文，优于标准颜色直方图。
• 与全局熵度量相比，动态邻域方法对局部颜色变化的敏感度更高。
• 该方法在图像检索任务中表现出鲁棒性和高效性，尤其在需要空间颜色感知的场景中。