Matlab 简单地进行图片检索

参考

• 本文所参考的代码，图片数据库，文档 ImageRetrieval
• 颜色相关直方图: color correlogram
• 混淆矩阵: confusion matrix
• 数据库与其它计算机视觉参考资料：CVPapers

模仿

• 按照参考中的文档，进行特征抽取，建立图片数据库
• 效果:
  
• 改进: 更改svm,使输入可能同时匹配多个类，或者不匹配任何类；修改L2的bug,当每一类的训练数较小时，而要求返回的图片过多时，可能索引溢出；另外进行评估检验时的testIdx可能不覆盖所有的图片类，因此有一定概率出现这个bug.

matlab 函数

• [idx,name]=grp2idx(s) : 对分类信息（字符组，数组等）建立索引

>> s={'hello','good','hello','good','world'};
>> [a,b]=grp2idx(s)
a =
     1
     2
     1
     2
     3
b = 
    'hello'
    'good'
    'world'

• [train,test]=crossvalind(‘HoldOut’, N,P): 生成交叉验证索引
• bsxfun：批量处理
• svmtrain：SVM训练
• svmclassify：应用SVM进行分类
• mode：得到出现次数最多的数
• confusionmat：生成混淆矩阵
• sortrows：对行进行排序
• arrayfun：对数据进行批量处理

问题

1. 彩色图片与灰色图片问题：有些特征为彩色图片特有，因此，当数据库中既有彩色图片，又有灰色图片时，难道只能选择灰色图片支持的特征，色彩信息就无法进行利用？
2. 当图片构成一个集合时（同一物体的不同角度的图片集），如何进行匹配检索？
3. 本质上，SVM算法只进行二分类，输出为0或1。因此对N分类问题，可以通过训练(N,2)种SVM模型，即每两个类别训练一种模型，如下：

data/model	M1-2	M1-3	…	M1-N	…	M(N-1)-N
D1	1	3	…	1	…	N
D2	2	1	…	1	…	N-1
D3	2	1	…	N	…	N
…	1	3	…	1	…	N-1
DK	1	1	…	N	…	N

这样，通过取众数（出现次数最多的数），就可以得到数据Di的分类

---

同样，也可以对每一类与剩余类进行训练，这样可以得到N种SVM模型，如下：

data/model	M1	M2	…	MN
D1	1	0	…	0
D2	0	1	…	1
D3	0	0	…	0
…	1	1	…	1
DK	0	0	…	1

这时，如果数据像D1或DK一样，只有一个分类器值为1，则可正确得到分类。反之，有可能多个分类器的值为1或者没有分类器的值为1. 即一个未知数据Di可以同时属于多个分类，或者不属于已知的任务分类。

提高

• 2015 [Locality-sensitive hashing for region-based large-scale image indexing]