相似性距离度量

直方图特征

 

       对颜色特征的表达方式有许多种，我们采用直方图进行特征描述。常见的直方图有两种：统计直方图，累积直方图。我们将分别实验两种直方图在图像聚类和检索中的性能。
l。统计直方图
       为利用图像的特征描述图像，可借助特征的统计直方图。图像特征的统计直方图实际是一个1-D的离散函数，即：

       上式中k代表图像的特征取值，L是特征可取值个数，是图像中具有特征值为k的像素的个数，N是图像像素的总数，一个示例如下图：

其中有8个直方条，对应图像中的8种灰度像素在总像素中的比例。

2。累积直方图 

      

图像特征统计的累积直方图也是一个1-D的离散函数，即：

 

上式的各个参数含义同前，与上图对应的累积直方图见下：

直方图相似性度量
       得到图像特征的统计直方图后，不同图像之间的特征匹配可借助计算直方图间的相似度量来进行，以下介绍几种常见的直方图的相似度量方法：
l。直方图相交法
              另分别为两幅图像某一特征的统计直方图，则两图像之间的匹配值P(Q, D)可借助直方图相交来实现，即：

 
2。直方图匹配法
直方图间的距离可使用一般的欧式距离函数来衡量：

 

 

            我们可以实验多种相似性度量准则，研究它们之间的差异，找出对于某类图像，那种相似性度量能更加准确的描述两幅图像之间的相似程度。

本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/liangjingbo/archive/2008/07/04/2610283.aspx

 

 

 

 

 

相关系数法

而它的公式推导如下



再来是卡方的方式

这边的卡方法跟一般的卡方检定不太一样,下面是一般适合度检定(Goodness of fit test)的公式

o为观察者次数,e为期望值次数


交集的方式就比较简单了,两个直方图取最小的做累加



再来就是常态分配比对的Bhattacharyya距离

常用距离指标：欧式距离，欧式距离的平方，曼哈顿距离，切比雪夫距离，幂距离。

相似系数指标：余弦系数，皮尔逊相关系数。

定类数据距离：卡方距离，法方距离