问题标签 [cbir]

所以，因为我已经使用 RGB 直方图实现了基本的 cbir 系统。现在，我正在尝试生成平均精度和排名曲线。我需要知道，我的平均精度公式是否正确？以及如何计算平均排名？

使用 Matlab，我有 1000 张彩色图像，它们的直方图大小为 384*256*3 或 256*384*3，所以它们是矩阵。我想给它们编号，然后再检索它们。我知道我不能这样做：

但我的问题是如何对 1000 个矩阵进行编号，然后我可以得到其中的任何一个，就像第一张图像一样，只需使用

得到矩阵。我知道它们的尺寸不同，所以我无法设置

因为这只适用于大小为 384*256*3 的矩阵。

那么我应该怎么做才能保存矩阵并简单地在变量名中使用从 1 到 1000 的数字来获取任何矩阵？

我如何才能对不同的矩阵进行编号并在以后获取它们中的每一个？

希望我说清楚我的问题是什么。提前致谢！！

这是我从 1000 张图像中计算每张图像的平均排名的代码。（我们假设每 100 个图像是一个类别，例如 1-100、101-200、....）

匹配函数是以两个直方图为输入，计算两个图像的两个直方图的匹配值的函数。你可以看到这Q{z}是直方图。我认为我的问题在这里：

这就是我计算排名的方式。所以我只是给排名ccc(g)

因为对于g从 1 到 1000 的运行，这将是我们需要的排名，如果我们有

对于一个g。但是为什么在我运行这个程序后我得到的值ccc是一千个 0？为什么是0？我获得排名的方式有什么问题ccc吗？我的代码还有更多错误吗？我只是得到平均排名和ccc全 0，但不知道为什么。提前致谢！！

我正在尝试构建一个 CBIR（基于内容的图像检索）项目，第一步我正在寻找一个好的功能。这在几个线索上应该是不变的：比例旋转照明和设备，而且我没有任何数据库或场景的先前知识。到目前为止，我已经阅读了几篇论文，这似乎是一个非常困难的目标。一般来说，共同特征是基于颜色的，但这些算法的先验是所有场景都是用相同的设备模型拍摄的，或者有一个繁重的训练步骤……或其他简化。就我而言，我有不同的设备，因此这些设备使用不同的颜色表示（由于不同的采集、量化等）。在颜色直方图之后，我尝试使用 SIFT，但即使在最简单的情况下，这些匹配也会失败（这也是由于不同的设备..这篇论文让我有点害怕：）

很明显，这些图像需要一些“标准化”预处理......首先我将所有图像放在相同的尺寸（根据最小）......然后我需要一些使颜色看起来相似的东西......根据这篇论文（链接显示带有项目幻灯片的文件）我应该只均衡三个通道以获得一些光源和设备颜色不变，但 SIFT 仍然失败！

得到图像数据集后，为所有图像构建特征库，该特征库是基于图像一部分的RGB颜色模型和HSV颜色模型的均值和sd的向量。给出查询图像后，如何使用 svm 从数据库中检索相关图像。

以及如何使用无监督学习来解决上述问题

我有一个使用小波变换和颜色直方图的 CBIR 项目。我对 Singha 和 Hemachandran 的研究进行了重新实验。我尝试对其进行编码，但是当将图像添加到数据库中时，它一直是错误的。错误消息指出：

我认为这是由提取代码的算法引起的。这是代码。

在此之前，我还展示了提取结果的数据库连接代码。这是代码。

我希望任何人都可以帮助我解决这个问题。谢谢你。

当我应用函数时，我正在使用 matlab 处理基于内容的图像检索项目，point=detectSURFFeatures(image) 我得到83*1具有以下信息的冲浪点：

我需要知道如何提取一个（独特的和固定的）特征向量，它代表包含数千张图像的数据库中的每个图像，请帮忙？
这是数据库的样本。（王数据库）

我在 MATLAB 中制作了一个 CBIR 系统，并使用相似度测量作为欧几里得距离。对每个查询图像使用它，我检索前 20 个图像。

我已经使用WANG Dataset来测试我的系统。
它包含 10 个类别（如非洲人、公共汽车、玫瑰等），每个类别包含 100 张图像。（总共 1000 张图像）。

我的方法：
1. 我使用相关图、共生矩阵（CCM）和像素扫描模式之间的差异（DBPSP）来构建我的向量（分别为 64+196+28=288 维）。

2. 每个 1000 db 图像我都预先构建了它的向量。
3. 现在出现了一个查询图像，我也构造了它的向量（再次为 228 维）。
4. 我使用欧几里得距离进行相似性，并按欧几里得距离的降序对 db 图像向量进行排序。

5. 显示前 20 个结果。

6. 在这 20 个人中，我可以拥有 TP 或 FP。

对于单个查询图像，我可以使用此链接轻松计算 Precision 和 Recall 并绘制 PR 曲线。

我怎样才能为整个班级做同样的事情？

我的方法：对于属于 A 类的每个图像，找到前 20 个图像，它们分别是 TP（真阳性）和 FP（假阳性）。

A 类精度 =1500/(2000) = .75（对吗？？）
A 类召回率 ---> 卡住？？
PR曲线---->卡住了？？一些链接说我需要一个分类器，而有些则不需要......我真的很困惑。

我正在尝试使用 k-means 聚类执行基于内容的图像检索 (CBIR)。princomp()我使用特征向量长度为​​ 190的 PCA 函数。

我从这里拍摄了500 张彩色测试图像。共有5个类别。当我运行我的代码时，我只得到 3 个集群，并且图像看起来非常不同。我究竟做错了什么？

这是我的代码：

通常 CBIR 使用欧几里德距离来比较查询图像和数据库图像特征向量。

然而，在数学作品中，我得到了一个源代码，它不是欧几里德距离，而是使用 SVM 完成的，例如使用两种技术的基于内容的图像检索：

1. 使用knn进行图像检索；
2. 使用 svm 进行图像检索。

它是如何工作的？