LIRe提供的图像检索算法的速度
2016-08-06 00:00
267 查看
本文翻译了LIRe的作者Mathias Lux发表的论文《LIRe: Lucene Image Retrieval - An Extensible Java CBIR Library》。主要介绍了LIRe的功能。节选了算法性能部分的内容。
在LIRe中主要实现的图像特征有:
1. RGB和HSV空间的颜色直方图;
2. MPEG-7的颜色特征,包括Scalable color,Color layout和Edge Histogram;
3. Tamura纹理特征,包括粗糙度(Coarseness),对比度(Contrast)和方向度(Directionality);
4. 颜色和边缘的方向性描述符(Color and edge directivity descriptor, CEDD);
5. 模糊颜色和纹理直方图(Fuzzy color and texture histogram, FCTH);
6. 颜色关联图(Auto color correlation);
7. 尺度不变特征变换(Scale-invariant feature transform , SIFT)。
这些算法的性能表如下图所示。测试使用的计算机配置是:IntelCore 2 Quad 4核 CPU 2.4 GHz,2 GB RAM内存,
Windows XP , Java 1.6 u6 。使用单线程的方式。
可以看出Auto color correlation以及Tamura还是比较耗时的。其次是FCTH以及CEDD。剩下的几种算法还是比较节约时间的。
在LIRe中主要实现的图像特征有:
1. RGB和HSV空间的颜色直方图;
2. MPEG-7的颜色特征,包括Scalable color,Color layout和Edge Histogram;
3. Tamura纹理特征,包括粗糙度(Coarseness),对比度(Contrast)和方向度(Directionality);
4. 颜色和边缘的方向性描述符(Color and edge directivity descriptor, CEDD);
5. 模糊颜色和纹理直方图(Fuzzy color and texture histogram, FCTH);
6. 颜色关联图(Auto color correlation);
7. 尺度不变特征变换(Scale-invariant feature transform , SIFT)。
这些算法的性能表如下图所示。测试使用的计算机配置是:IntelCore 2 Quad 4核 CPU 2.4 GHz,2 GB RAM内存,
Windows XP , Java 1.6 u6 。使用单线程的方式。
可以看出Auto color correlation以及Tamura还是比较耗时的。其次是FCTH以及CEDD。剩下的几种算法还是比较节约时间的。
相关文章推荐
- LIRe提供的图像检索算法的速度
- LIRe提供的图像检索算法的速度
- LIRe提供的图像检索算法的速度
- LIRe提供的图像检索算法的速度
- LIRe图像检索:FCTH算法原理与源码分析
- LIRe图像检索:CEDD算法原理与源码分析
- LIRe图像检索:Tamura纹理特征算法源码分析
- 图像检索:基于形状特征的算法
- 图像检索:基于形状特征的算法
- 基于HSV分块颜色直方图的图像检索算法
- 图像检索:CEDD(Color and Edge Directivity Descriptor)算法
- 图像缩放算法及速度优化——(一)最近邻插值
- 利用代间差分遗传算法优化分形图像编码速度
- 图像检索:CEDD(Color and Edge Directivity Descriptor)算法
- 图像缩放算法及速度优化——(一)最近邻插值
- LIRe提供的6种图像特征描述方法的评测
- 图像检索:CEDD(Color and Edge Directivity Descriptor)算法
- 图像缩放算法及速度优化——(二)双线性插值
- 聚类分析算法在图像检索系统中的应用
- LIRe提供的6种图像特征描述方法的评测