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