视觉相似性搜索算法

Question

我正在尝试构建像http://labs.ideeinc.com/multicolr这样的实用程序， 但我不知道他们使用的是哪种算法，有人知道吗？

Answer 1

他们所做的只是匹配直方图。

因此，为您的图像构建直方图。按图像大小标准化直方图。 直方图是具有与颜色一样多的元素的向量。你不需要32,24，甚至可能不是16位的准确度，这只会减慢你的速度。出于性能原因，我将直方图映射到4,8和10-12位。

• 在所有4位直方图和样本颜色之间进行模糊least distance compare。
• 然后取该组并进行8位直方图比较。
• 然后可以将10或12位直方图与剩余的组进行比较。这将是性能最高的搜索，因为您要将总集与非常少量的计算进行比较，以找到一个小子集。
• 然后，您将处理具有更多计算等的小子集。

真正的大诀窍是找到匹配类似直方图的最佳算法。

• 从距离计算开始。在3个方面，我认为是：

  SQRT（（x1-x2）^ 2 +（y1-y2）^ 2 +（z1-z2）^ 2）

我是从记忆中做到的，所以请仔细检查以确保。

• 出于您的目的，您将拥有超过3个维度，因此您将拥有更多字词。 4位直方图有16个项，8位有256个项，等等。请记住，这种数学运算很慢，所以实际上不要执行SQRT部分。如果您将图像的大小标准化得足够小，比如说低至10,000像素，那么您就知道只需要为值{0}生成x^2 0..10,0000。预先计算x^2的查找表，其中x从0..10,000开始。然后你的计算会很快。

• 从调色板中选择颜色时，只需使用该颜色= 10,0000制作直方图。选择2时，制作color1 = 5000，color2 = 5000等的直方图。

• 最后，您必须添加软糖因子以使应用程序与现实世界相匹配，但您可以通过测试找到这些因素。

Answer 2

我建议您对数据库中的图像中存在的颜色进行某种聚类。我的意思是，对于数据库中的每个图像：

• 收集图像中每个像素的颜色
• 对收集的颜色执行聚类（假设有5个聚类的k均值聚类）
• 将聚类颜色存储为图像的代表描述符

当用户提供一组一种或多种查询颜色时，您会进行某种贪婪匹配，选择给定颜色与数据库中每个图像的颜色描述符（5种代表颜色）之间的最佳匹配。

图像集的大小是多少，因为根据大小，某些搜索索引可能比alogorith本身更大？

Answer 3

可能只是创建图像中使用的颜色的直方图，然后最适合用户选择的颜色。