LIRe提供的6种图像特征描述方法的评测

Rui Gan等人（看名字来说应该是中国人，机构写的Sun Yat-sen University应该是中山大学，但是很不幸没有找到相应的中文论文）在论文《Using LIRe to Implement Image Retrieval System Based on Multi-Feature Descriptor》中，测试了开源基于内容的图像检索类库LIRe的各种图像特征的性能。在此记录一下以作参考。

这里再提一下LIRe的简介：LIRE（Lucene Image REtrieval）提供一种的简单方式来创建基于图像特性的Lucene索引。利用该索引就能够构建一个基于内容的图像检索(content- based image retrieval，CBIR)系统，来搜索相似的图像。LIRE使用的特性都取自MPEG-7标准： ScalableColor、ColorLayout、EdgeHistogram，目前已经支持其他更多的特性。此外该类库还提供一个搜索该索引的方法。

 

本文测试了LIRe提供的以下6种特征描述方法：

实验以供选择了13个种类，一共100张图片做测试，这些图如下图所示（只是一部分）：

测试的步骤不再多说，就是使用LIRe的6种特征描述方法分别建立6个索引，然后分别检索。最后得到的实验结果如图所示：

注：6种特征描述方法分别标以A，B，C，D，E，F，G。其中C为最常见的颜色直方图。

查准率（Precision）如下表所示。

 

查全率（Recall）如下表所示。

 

查全率和查准率合计如下表所示。

左边一栏对不同种类的图片分别给出了最适合的特征描述方法。

右边一栏对不同种类的图片分别给出了6种方法结合后的查全率和查准率。

 

论文地址：http://www.cnki.net/KCMS/detail/detail.aspx?QueryID=2&CurRec=1&recid=&filename=SZZZ201208001534&dbname=IPFDLAST2013&dbcode=IPFD&pr=&urlid=&yx=&uid=WEEvREcwSlJHSldSdnQ1ZCtUQmpGUjNLZ0x6bWI1NVYySGhtNnloM2hQYWZGeVdLajVLemFKOTFiVzhjU2ZnPQ==&v=MTMxODZmUmRMRzRIOVBNcDQ5RlplNE1DQk5LdWhkaG5qOThUbmpxcXhkRWVNT1VLcmlmWnVWdUZpanNVN2pMS0Y0VE5q

 

LIRe首页：http://www.semanticmetadata.net/lire/

相关下载：

LIRE 源代码：http://download.csdn.net/detail/leixiaohua1020/6373719

LireDemo （LIRE的例子）：http://download.csdn.net/detail/leixiaohua1020/6372101