高效CBIR系统：混合特征与多元距离度量的图像检索

"这篇论文是关于基于混合特征和多种距离度量的图像检索技术，主要应用于内容为基础的图像检索（CBIR）系统。作者Yogita Mistry、D.T. Ingole和M.D. Ingole来自印度的电子工程系，他们在2018年的《电气系统与信息技术学报》上发表了这篇文章。研究中，他们提出了一个高效的CBIR系统，该系统结合了空间域和频域的特征，包括颜色自相关图、颜色矩、HSV直方图、使用 SWT 的矩以及 Gabor 小波变换的特征。此外，还利用二值化的统计图像特征、颜色和边缘导向描述符来提升系统的准确性。论文中，作者运用了多种距离度量，如Minkowski距离和Mahalanobis距离，对图像进行比较和检索。实验在包含10个类别共1000张图像的WANG数据库上进行，结果表明该方法在精度上优于现有的其他系统。" 在这篇论文中，作者首先指出了随着互联网的普及，图像数据量急剧增加，这使得有效的图像检索方法变得至关重要。传统的基于文本的检索方式对于图像内容的检索效果不佳，因此，内容为基础的图像检索（CBIR）应运而生。CBIR允许用户根据图像内容而非文字标签进行搜索，对于大量图像数据的管理和检索具有显著优势。 论文的核心是提出了一种混合特征提取方法。这种方法结合了不同领域的图像特征，如颜色信息（颜色自相关图、颜色矩、HSV直方图）和结构信息（SWT矩、Gabor小波变换特征）。其中，SWT（小波包分解）矩和Gabor小波变换在捕捉图像的局部细节和纹理特性方面表现出色，而颜色特征则有助于识别图像的基本色调和分布。 为了提高检索的准确性和鲁棒性，作者还引入了二值化的统计图像特征和颜色、边缘导向描述符。这些特征可以增强图像的对比度，使系统能够更好地识别和区分相似的图像。 在距离度量方面，Minkowski距离是一种通用的距离计算方法，可以根据具体需求调整其p值来平衡距离敏感性和距离不敏感性。Mahalanobis距离则考虑了特征之间的协方差，能更准确地反映特征间的相对距离，尤其在处理异方性数据时效果更好。 在实验部分，作者使用了一个包含10个类别1000张图像的WANG数据库进行了验证。通过对多种方法的比较，该混合特征和多距离度量的CBIR系统在精度上表现出优越性。这表明，这种综合的方法对于提高CBIR系统的性能是有益的，并有可能在实际应用中提供更高效的图像检索服务。