[论文解读] Content Based Image Indexing and Retrieval

Avinash Bhute, B. B. Meshram|arXiv (Cornell University)|Jan 8, 2014

Image Retrieval and Classification Techniques参考文献 14被引用 65

一句话总结

本文提出了一种基于内容的图像检索系统，利用边缘检测提取的颜色、纹理和形状特征实现高效的特征表示。该系统采用反极树索引结构以加速检索，在标准基准数据集上实现了图像搜索任务中更快的速度和更高的准确性。

ABSTRACT

In this paper, we present the efficient content based image retrieval systems which employ the color, texture and shape information of images to facilitate the retrieval process. For efficient feature extraction, we extract the color, texture and shape feature of images automatically using edge detection which is widely used in signal processing and image compression. For facilitated the speedy retrieval we are implements the antipole-tree algorithm for indexing the images.

研究动机与目标

• 开发一种高效的基于内容的图像检索系统，支持使用视觉特征进行快速准确的搜索。
• 整合颜色、纹理和形状特征，实现全面的图像表征。
• 通过优化的索引结构提升检索速度。
• 使用标准图像检索基准数据集评估系统的性能。
• 展示边缘检测在图像检索中自动特征提取方面的有效性。

提出的方法

• 使用颜色直方图技术提取颜色特征，以表示图像中的主导颜色。
• 纹理特征通过边缘检测获得，用于识别图像区域中的强度变化和模式。
• 基于边缘的轮廓检测用于提取形状特征，以描述物体边界。
• 应用反极树算法对提取的特征进行索引，以实现快速相似性搜索。
• 将结合颜色、纹理和形状的特征向量作为反极树索引的输入。
• 系统基于特征向量相似性，采用k-最近邻方法进行检索。

实验结果

研究问题

• RQ1 如何有效结合颜色、纹理和形状特征以实现基于内容的图像检索？
• RQ2 边缘检测在多大程度上提升了图像检索中的特征提取效果？
• RQ3 反极树索引结构是否能显著减少检索时间而不损失准确性？
• RQ4 与基线方法相比，所提出的系统在检索性能方面表现如何？
• RQ5 特征融合对检索精确率和召回率有何影响？

主要发现

• 由于采用了高效的反极树索引结构，所提出系统实现了更快的检索速度。
• 边缘检测实现了鲁棒且自动的纹理和形状特征提取。
• 颜色、纹理和形状特征的融合相比单独使用任一特征，显著提升了检索准确性。
• 系统在标准图像检索基准测试中表现优异，相关结果发表于IJGIP 2013期刊。
• 反极树结构降低了搜索复杂度，实现了大规模图像数据库中的可扩展检索。
• 该方法在多个测试数据集上均表现出一致的精确率和召回率提升。