LIRe提供的6种图像特征描述方法的评测
2013-10-18 16:35
295 查看
Rui Gan等人(看名字来说应该是中国人,机构写的Sun Yat-sen University应该是中山大学,但是很不幸没有找到相应的中文论文)在论文《Using LIRe to Implement Image Retrieval System Based on Multi-Feature Descriptor》中,测试了开源基于内容的图像检索类库LIRe的各种图像特征的性能。在此记录一下以作参考。
这里再提一下LIRe的简介:LIRE(Lucene Image REtrieval)提供一种的简单方式来创建基于图像特性的Lucene索引。利用该索引就能够构建一个基于内容的图像检索(content- based image retrieval,CBIR)系统,来搜索相似的图像。LIRE使用的特性都取自MPEG-7标准: ScalableColor、ColorLayout、EdgeHistogram,目前已经支持其他更多的特性。此外该类库还提供一个搜索该索引的方法。
本文测试了LIRe提供的以下6种特征描述方法:
实验以供选择了13个种类,一共100张图片做测试,这些图如下图所示(只是一部分):
测试的步骤不再多说,就是使用LIRe的6种特征描述方法分别建立6个索引,然后分别检索。最后得到的实验结果如图所示:
注:6种特征描述方法分别标以A,B,C,D,E,F,G。其中C为最常见的颜色直方图。
查准率(Precision)如下表所示。
查全率(Recall)如下表所示。
查全率和查准率合计如下表所示。
左边一栏对不同种类的图片分别给出了最适合的特征描述方法。
右边一栏对不同种类的图片分别给出了6种方法结合后的查全率和查准率。
论文地址:http://www.cnki.net/KCMS/detail/detail.aspx?QueryID=2&CurRec=1&recid=&filename=SZZZ201208001534&dbname=IPFDLAST2013&dbcode=IPFD&pr=&urlid=&yx=&uid=WEEvREcwSlJHSldSdnQ1ZCtUQmpGUjNLZ0x6bWI1NVYySGhtNnloM2hQYWZGeVdLajVLemFKOTFiVzhjU2ZnPQ==&v=MTMxODZmUmRMRzRIOVBNcDQ5RlplNE1DQk5LdWhkaG5qOThUbmpxcXhkRWVNT1VLcmlmWnVWdUZpanNVN2pMS0Y0VE5q
LIRe首页:http://www.semanticmetadata.net/lire/
相关下载:
LIRE 源代码:http://download.csdn.net/detail/leixiaohua1020/6373719
LireDemo (LIRE的例子):http://download.csdn.net/detail/leixiaohua1020/6372101
这里再提一下LIRe的简介:LIRE(Lucene Image REtrieval)提供一种的简单方式来创建基于图像特性的Lucene索引。利用该索引就能够构建一个基于内容的图像检索(content- based image retrieval,CBIR)系统,来搜索相似的图像。LIRE使用的特性都取自MPEG-7标准: ScalableColor、ColorLayout、EdgeHistogram,目前已经支持其他更多的特性。此外该类库还提供一个搜索该索引的方法。
本文测试了LIRe提供的以下6种特征描述方法:
实验以供选择了13个种类,一共100张图片做测试,这些图如下图所示(只是一部分):
测试的步骤不再多说,就是使用LIRe的6种特征描述方法分别建立6个索引,然后分别检索。最后得到的实验结果如图所示:
注:6种特征描述方法分别标以A,B,C,D,E,F,G。其中C为最常见的颜色直方图。
查准率(Precision)如下表所示。
查全率(Recall)如下表所示。
查全率和查准率合计如下表所示。
左边一栏对不同种类的图片分别给出了最适合的特征描述方法。
右边一栏对不同种类的图片分别给出了6种方法结合后的查全率和查准率。
论文地址:http://www.cnki.net/KCMS/detail/detail.aspx?QueryID=2&CurRec=1&recid=&filename=SZZZ201208001534&dbname=IPFDLAST2013&dbcode=IPFD&pr=&urlid=&yx=&uid=WEEvREcwSlJHSldSdnQ1ZCtUQmpGUjNLZ0x6bWI1NVYySGhtNnloM2hQYWZGeVdLajVLemFKOTFiVzhjU2ZnPQ==&v=MTMxODZmUmRMRzRIOVBNcDQ5RlplNE1DQk5LdWhkaG5qOThUbmpxcXhkRWVNT1VLcmlmWnVWdUZpanNVN2pMS0Y0VE5q
LIRe首页:http://www.semanticmetadata.net/lire/
相关下载:
LIRE 源代码:http://download.csdn.net/detail/leixiaohua1020/6373719
LireDemo (LIRE的例子):http://download.csdn.net/detail/leixiaohua1020/6372101
相关文章推荐
- LIRe提供的6种图像特征描述方法的评测
- LIRe提供的6种图像特征描述方法的评测
- 图像特征的描述方法
- 转载-局部图像特征描述的综述-讲了一些很新的局部特征的基本特点
- 图像特征特点及其常用的特征提取与匹配方法
- 转载“现在Computer Vision基本要用的几个图像特征和方法”
- 医学图像常用特征选择方法
- 重新编写equals()方法,hashCode()方法,以及toString(),提供自定义的相等标准,以及自描述方法
- 图像特征检测方法—SIFT的Python实现
- 局部图像特征描述概述
- 用SURF算法和其描述子实现视频的特征图像跟踪和标定
- 《python+opencv实践》四、图像特征提取与描述——29理解图像特征
- MFC和ATL共享的新类CImage为图像处理提供了许多相应的处理方法
- 图像特征特点及其常用的特征提取与匹配方法
- OpenCV: Features2D Features FrameWork 图像二维特征检测、描述以及匹配框架的层次解析
- 医学图像常用特征选择方法
- 图像特征特点及其常用的特征提取与匹配方法
- 图像特征描述子之FREAK
- 二值化的SIFT特征描述子及图像拼接优化
- 【OpenCV】图像特征的提取以及相似性比较方法