基于显著封闭边界曲线的图像检索的中期报告

基于显著封闭边界曲线的图像检索的中期报告一、问题描述：本文主要是基于显著封闭边界曲线（Saliency-basedClosedBoundaryCurveSCBC）的方法，用于解决图像检索问题。图像检索是指通过匹配图像内容的相似性来检索相似的图像。问题点：1.SCBC的定义及提取方法；2.基于SCBC的图像检索方法；3.实现过程中遇到的问题及解决方案。二、解决方案：1.SCBC的定义及提取方法SCBC是一种表征图像全局特征的方法，它用一条封闭曲线来描述图像的显著区域。提取SCBC的方法主要分为以下几步：（1）计算图像中每个像素的显著性值。可以使用一些现成的显著性检测算法来计算。（2）将图像分割为多个超像素。超像素是在保持图像内部结构相似性的同时，将图像分成多个区域的方法。（3）对每个超像素进行聚类，通过判断每个超像素的显著性值是否大于全局显著性平均值来进行分类。（4）对于同一聚类中的超像素，用最小路径算法（MinimumPath）连接它们，从而得到SCBC。2.基于SCBC的图像检索方法基于SCBC的图像检索主要分为以下几步：（1）对查询图像提取SCBC。（2）在图像库中提取每个图像的SCBC。（3）将查询图像的SCBC与库中每个图像的SCBC进行匹配，计算它们的相似度。（4）根据相似度排序，返回相似度最高的前N个图像作为检索结果。3.实现过程中遇到的问题及解决方案问题一：SCBC的提取较为复杂，容易受到图像内部结构、背景复杂度等因素的影响，导致提取性能并不理想。解决方案：可以考虑使用一些现成的SCBC提取工具，如OpenCV等来提高SCBC提取的准确性。问题二：在计算相似度时，如果库中图像较多，计算量会很大，从而影响图像检索速度。解决方案：可以采用一些加速算法，如HOG（HistogramofOrientedGradients）、SIFT（Scale-InvariantFeatureTransform）等，来降低计算量。三、进展情况：1.已完成相应论文的阅读和理解；2.已根据论文提供的SCBC提取方法，在MATLAB中实现了SCBC的提取；3.正在进行基于SCBC的图像检索方法的实现。四、参考文献：1.ShenJ,YangC,ChenY,etal.Saliency-basedclosedboundarycurveforimageretrieval[J].JournalofVisualCommunication&ImageRepresentation,2019,63:102537.2.AchantaR,ShajiA,SmithK,etal.SLICsuperpixelscomparedtostate-of-the-artsuperpixelmethods[J].IEEETransactionsonPatternAnalysisandMachineIntelligence,2012,34(11):2274-2281.3.DalalN,TriggsB.Histogramsoforientedgradientsforhumandetection[C]//2005IEEEComputerSocietyConference