基于显着性检测的鲁棒草图图像检索方法

通过显着性检测进行鲁棒的基于草图的图像检索 本文主要介绍了一种基于显着性检测的鲁棒的基于草图的图像检索方法。该方法旨在解决基于草图的图像检索（SBIR）的基本挑战，即草图和自然图像之间的表达差距。 首先，作者提出了一个新的框架，以解决SBIR系统中的挑战。该框架基于显着性检测技术，旨在提取图像中的主要轮廓，而不是从原始的自然图像中提取。通过计算每个图像的层次显着性图，作者可以从中提取对象的轮廓，而不是从原始图像中提取。 然后，作者使用了方向梯度直方图（HOG）来描述图像的特征。在多个尺度上，作者使用dense gradient field来提取HOG特征。接着，作者使用了bag-of-visual-words representation和倒排索引结构来实现图像检索。 该方法的优点在于，它可以有效地检索图像，而不需要进行复杂的图像处理和特征提取。同时，该方法也可以鲁棒地处理自然图像中的小规模结构变化。 本文提出了一个基于显着性检测的鲁棒的基于草图的图像检索方法，该方法可以有效地解决SBIR系统中的挑战，实现鲁棒的图像检索。 知识点： 1. 基于草图的图像检索（SBIR）：SBIR是指使用草图作为查询来检索自然图像的技术。 2. 显着性检测：显着性检测是一种图像处理技术，用于检测图像中的显着性区域。 3. 层次显着性图：层次显着性图是一种图像表示形式，用于描述图像中的显着性区域。 4. 方向梯度直方图（HOG）：HOG是一种图像特征描述方法，用于描述图像的方向梯度信息。 5. bag-of-visual-words representation：bag-of-visual-words representation是一种图像表示方法，用于描述图像的视觉特征。 6. 倒排索引结构：倒排索引结构是一种检索技术，用于快速检索图像。 7.鲁棒的图像检索：鲁棒的图像检索指的是能够鲁棒地处理自然图像中的小规模结构变化的图像检索技术。