cvpr-Edgel Index for Large-Scale Sketch-based Image Search

王长虎博士在微软开发的MindFinder系统的核心技术。

The paper "Edgel Inverted Index for Large-Scale Sketch-based Image Search" was accpeted by CVPR 2011.

The demo "MindFinder: Interactive Sketch-based Image Search on Millions of Images" won the best demo award in ACM Multimedia 2010.

上图显示了该系统的一个检索实例。通过用户给出草图，可以检索到目标。基本思想是:提取图像的边缘特征（Berkeley detector），选择一个合适的index索引和相似度度量的方法。其中相似度匹配在OCM（Oriented ChamferMatching）的基础上改进的。引入了Hit Map：

将用户输入的草图得到多个Hit Map，利用Hit Map的重叠程度，计算相似性。

对于数据库中图像表示成多个Hit Map，不利于图像的检索，因此建立一个合适的索引结构，这里有个技巧，考虑到给用户的绘图区域（200*200），且分为6个方向，这样就可以方便建立以下的结构：

考虑到存储量得问题，并不存储每幅图像的多个Hit Map，而是只存储index结构和图像边缘特征，Hit Map是在线计算的。

主要创新点:
1) Hit Map的提出，很好了解决了相似计算的问题。

2) 合理的索引结构，减少了存储量，同时加快了检索的速度和精度。巧妙的建立起（200*200*6）的入口，同时带来了position-invariant matching的问题。

更多的结果：