我正在玩图像相似度。事实上我正在玩图像检索系统。理想情况下，我想创建某种图像索引，我可以查询以获得类似的图像。
我目前的想法是将某种ImageDescriptor存储到索引中，并且每个描述符可以在其中具有不同的特征，例如k-mean-cluster-centroids，histograms，...我有一些简单的基于wight的计算 - 每个特征都有距离函数，并且该函数的结果乘以它的wight并在所有特征中求和。最终总和是我的图像的距离。不确定这是好思路吗？
所以我开始玩直方图。我存储直方图的索引，而不是查询直方图和索引存储的直方图之间的距离。它提供了某种相似性，但在大多数情况下远非良好的理想。
现在我正在玩k-mean群集。我已经实现了基于RGB距离的分割（也将在Lab颜色模式下尝试）。我的索引由质心向量（来自聚类）组成。现在我正在进行质心之间的最小距离比较。它提供了更好的结果，但也远没有好。
我的第一个问题是，我可以使用细分（群集）做更好的事情而不是查询距离吗？我如何包含形状信息？
正如旁注所示，大多数图像是日常物品的图像（不同的铅笔，不同的眼镜，不同的鞋子......），并且在相同颜色的背景上具有不同的纹理。没有自然的图像，面孔，树木，云，山......，
此致 Zaharije
答案 0 :(得分：0)
图像相似性不仅基于像素。图像相似性有几个维度。为了获得良好的相似性，您需要从图像中获得额外的信息。低级功能等。