图像检测：图像检索_图形相似度emd算法

相似图像检索

相似颜色检索

实现基于人类颜色感知的相似排序，颜色特征提取&特征相似度计算

颜色直方图就是将RGB图像中出现的颜色进行统计，将一张图像描述成一个256维度的特征向量

自编码器：通过神经网络进行特征提取，提取出针对学习样本的通用特征降维方法
神经网络的两端通过相同的数据限制，学习到中间的隐藏层权重，通过使用降维再升维的方法，使隐藏层输出最大限度的保存图像的主要特征，以使还原后的图像与原图像误差达到最小。

颜色特征提取： 目标：统计颜色成分，绘制颜色聚类直方图。方法：使用kmeans++对图片Lab像素值进行聚类。

颜色特征相似度计算： 颜色直方图距离：EMD（推土机距离），两张图片的颜色特征直方图之间的视觉相似度，检索结果的排序依据。色差距离：CIEDE2000，Lab空间中两个颜色之间的视觉相似度。EMD距离的基础距离。

色差距离

色差容忍度（Tolerance）：概念：无法感知的色差，计算：色差小于JND（Just-Noticeable-Difference）阈值。前提：感知均匀的色差距离。
CIE1931颜色空间 ：容忍椭圆，非感知均匀。
CIELab颜色空间 ：视觉感知均匀的颜色模型，均匀性更好的距离CIEDE2000

CIE制定，用于CIE_Lab空间的色差距离
欧式距离→CIEDE1994->CIEDE2000

改进目标：人眼视觉的均匀性

EMD距离

两个多维特征分布之间的非相似性度量，推土机距离（Wasserstein）

传统运输问题
场景：多对多分配。物资运送：多个供应商->多个需求商户，土堆搬运：多个土堆->多个土坑
约束：双方节点总量相等，不同节点之间成本各异。
目标：完成分配的最小成本。

问题条件： 有三个土堆Earth_1，Earth_2，Earth_3，每个土堆都有5个单位的土量；有三个土坑Hole_1，Hole_2，Hole_3，每个土坑所能容纳的土量分别为3、7、5；不同的土堆和土坑之间的距离不同，距离值分别是1，2，3有一个搬运工，一趟只能搬运1单位的土

任务目标： 以最小的行走距离（EMD），将所有土堆运输到土坑处并填平。

解决方案： 最小距离（EMD）：3x1 + 2x2 + 5x1 + 5x1 = 17
E1->H1:3, E1->H2:2,E2->H2:5,E3->H3:5

EMD距离应用到颜色相似检索：
多维分布->颜色特征直方图，推土机距离->CIEDE2000

流程说明：

** 搜索图片的颜色特征提取**

图片库的颜色特征提取

颜色相似度（EMD）计算

根据相似度排序

相似纹理检索

纹理： 元素或基元按一定规则排列。纹理特征：反映图像中同质现象的视觉特征，所有物体表面共有的内在特征，包含了物体表面组织结构排列的重要信息。

算法结构：
目标：实现基于人类纹理感知的相似排序。
模块：纹理特征提取（Gabor滤波器），特征计算，特征相似度计算。

Gabor滤波器组
Gabor滤波器类似于人类的生物视觉系统，多尺度，多方向。
频域：属于加窗傅里叶变换
空域：一个高斯核函数和正弦平面波的乘积。

频率：1,2,3,4,5,6
尺寸：25,35,49,69,97,137
8方向：0,22.5,45,67.5,90,112.5,135,157.5

Gabor纹理特征提取：
1，彩色图片灰度化
2，提取灰度图的Gabor滤波器特征：6频率（尺度）、8方向的Gabor,48个同尺寸的特征图，每个像素对应48维的Gabor特征向量
3，使用Kmeans++聚类所有像素Gabor特征：K值(10)根据数据集纹理复杂度而定，使用KD-tree版加速
4，Gabor卷积操作加速：FFT，采用图片尺寸缩小替代Gabor模板尺寸增大的策略

Gabor纹理特征提取可视化

相似形状检索

PHOG形状特征提取：金字塔梯度方向直方图。
网格：1X1,2X2,4X4,直方图数量：9，维数：189=（1+4+16)X9

形状特征相似度计算
1，标准化欧式距离：Si为样本集特征中每一维对应的标准差。

2，直方图相交（Histogram Intersection）

效果图

相似局部特征检索

局部特征点特征提取
检测出所有局部特征点和特征描述子
SIFT特征点：SURF，Color-SIFT，Affine-SIFT，Dense-SIFT，PCA-SIFT

图之间的相似度匹配
两个图SIFT点集之间的匹配胡对数，双向匹配

Bag Of Visual Word

(BoW model）忽略文本的语法和语序，用一组无序的单词（ words）来表达一段文字或一个文档。近年来BoW模型被广泛应用于计算机视觉中，与应用于文本的BoW类比，图像的特征（ feature）被当作单词( Word) 。

视觉词汇字典： 有图片集的所有视觉词汇构成，视觉词汇的物理含义不明显。不是现成的，需要构建。
特征检测：特征点（SIFT，SURF）
特征表示：SIFT描述子，颜色，纹理
字典生成：Kmeans等聚类

假设训练集有M幅图像，对训练图象集进行预处理。包括图像增强、分割，图像统一格式，统一规格等等。对每一幅图像提取若干数量的SIFT特征。每一个SIFT特征用一个128维的描述子天量表示，假设M幅图像共提取出N个SIFT特征。用K-means对上一步提取的N个SIFT特征进行聚类。聚类中心有k个(这里的聚类中心:称为视觉词),码本的长度也就为k，计算每一幅图像的每一个SIFT特征到这k个视觉词的距离，并将其映射到距离最近的视觉词中（即将该视觉词的对应词频+1） 。完成这一步后，每一幅图像就变成了一个与视觉词序列相对应的词频矢量。

SIFT视觉词汇字典的应用
利用SIFT算法提取图片集中所有视觉词汇

利用Kmeans算法对所有词汇聚类，收缩为字典

基于字典编码图片特征：词汇频数直方图，最近邻词汇，特征相似距离