机器智能（十一）

1、相似性度量：
a、数据库
存储后台多媒体数据(包含多个多媒体对象P)，每个对象表示成d维向量形式
b、查询Q：
从查询对象中抽取的d维特征向量
c、度量：
计算P与Q之间的相似性或者距离D(P,Q),其中D是距离度量函数
2、典型的相似性度量公式：
a、L-P方程
P=2为Euclidean距离

带权值的L-P方程

b、Quadratic方程

A为相似性矩阵
3、基于样本的查询：
a、用户提供一个查询图像，通常为
数字图像
用户手工画的轮廓
简单的线条
浏览的图像
b、系统根据用户提供的图像样本返回相似性的图像搜索结果
4、图像的距离度量：
a、度量查询图像和数据库图像集之间的相似性主要依赖于：
图像视觉特征
距离度量公式
b、常用的图像视觉特征：
颜色相似性
纹理相似性
形状相似性
空间相似性
5、颜色相似性度量：
a、比如说，IBM的QBIC系统允许用户输入颜色百分比的查询来搜索图像，用户能选择五中颜色和它们的百分比
b、系统不关心颜色的空间分布信息
c、颜色柱状图：

最典型的颜色相似度度量方法
将图像表示成颜色柱状图，通过比较查询图像和数据库图像的柱状图的相似性来返回结果
每一幅图像对应于一个经过归一化处理的颜色柱状图Hi
用户选择一个查询图像，系统计算查询图像与每一个后台数据库图像的之间的交集

交集的值越接近1，图像之间的匹配程度越高
计算交集的方法没有考虑颜色之间的相似性
Mahalanobis距离

A是用来描述不同颜色之间的相似性矩阵
d、颜色布局：
采用全局的颜色柱状图计算相似性没有考虑颜色的空间分布
用户在查询图像中的特定区域指定特定颜色
计算查询图像和后台图像在特定区域的颜色相似性，并将所有区域的相似性求和来度量总体相似性

6、纹理相似性：
a、纹理相似性比颜色相似性更加复杂：
两幅图像有着相似的纹理意味着它们有着相似的颜色空间分布，但并不意味着有着相同的颜色。
7、形状特征：
a、形状特征是针对一幅图像的特定区域
b、与颜色和纹理特征不一样，形状特征需要首先对图像内部的区域进行识别
c、图像分割是一个亟待解决的重要问题
d、形状直方图：
水平/垂直映射：将每一行/每一列的1-pixs数进行统计

对角线映射：从左上角到右下角的1-pixs数进行统计

e、形状特征的特点：
尺寸不变性(Size invariant)
平移不变性
旋转不变性
8、空间关系：
a、一旦对象在图像中被识别出来，对象之间的空间关系就能被确定
b、涉及到图像分割将图像分成很多区域包括对象和背景
c、观察对象之间的空间关系
9、相关反馈：
a、有时用户不能精确地表达其查询需求，导致查询结果不理想
b、相关反馈：一种有效的查询更新方式，能帮助找到更好的结果
c、用户对查询结果进行反馈(指出相关的和不相关的结果)，系统根据用户的反馈更新查询
10、查询更新：
a、查询结果中相关对象的特征加入到原有的查询向量中，查询结果中不相关对象的特征从原有查询向量中去除。

b、Cr:相关的查询结果
c、N:所有的查询结果