我正在玩一些图像相似性。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，我可以查询以获取类似图像。
我目前的想法是将某种 ImageDescriptor 存储到索引中，每个描述符可以有不同的特征，例如 k-mean-cluster-centroids，直方图，......而且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。最终总和是与我的形象的距离。不确定这是不是很好的思路？
所以我开始玩直方图。我存储了直方图的索引，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理想。
现在我正在玩 k-mean 聚类。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。现在我正在做质心之间的最小距离比较。它给出了更好的结果，但也远非好。
我的第一个问题是我可以对段（集群）做一些比查询距离更好的事情吗？如何包含形状信息？
正如旁注一样，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。没有自然图像、面孔、树木、云彩、山脉……
问候扎哈里杰