画像の類似性で少し遊んでいます。実際、私は画像検索システムで遊んでいます。理想的には、同様の画像を取得するためにクエリできる画像インデックスを作成したいと考えています。
私の現在の考えは、ある種の ImageDescriptor をインデックスに格納することであり、各記述子には、k-mean-cluster-centroids、ヒストグラムなど、さまざまな機能を含めることができます。その関数の結果はそのワイトで乗算され、すべての機能で合計されます。最終的な合計は、私のイメージからの距離です。この考えが正しいかどうかわかりませんか？
だから私はヒストグラムで遊び始めました。ヒストグラムとインデックスに保存されたヒストグラムの間の距離を照会するよりも、ヒストグラムのインデックスを保存しました。それはある種の類似性をもたらしますが、ほとんどの場合、良い理想とはかけ離れています。
今、k-mean クラスタリングで遊んでいます。RGB 距離に基づくセグメンテーションを既に実装しています (Lab カラー モードでも試します)。私のインデックスは、（クラスタリングからの）重心のベクトルで構成されています。現在、重心間の最小距離の比較のみを行っています。それはより良い結果をもたらしますが、良いとは言えません。
私の最初の質問は、距離を照会するよりもセグメント (クラスター) を使用して何か良いことはありますか? 形状情報を含めるにはどうすればよいですか?
余談ですが、ほとんどの画像は日用品 (さまざまな鉛筆、さまざまな眼鏡、さまざまな靴など) の画像であり、同じ色の背景にさまざまなテクスチャが使用されています。自然の画像、顔、木、雲、山などはありません...
よろしくザハリエ