局部颜色直方图

基于局部颜色直方图的图像检索

对于形状特征复杂的图像，颜色特征是不二人选，而全局颜色直方图忽略了局部信息，效果不行，重点研究如何合理地构建局部颜色直方图。 而局部颜色直方图针对现有方法存在的主要问题就是游离兴趣点的问题，给出两种方法抑制游离兴趣点对方法的影响：
1.改变兴趣点中心的计算方式（兴趣区域分割方式），通俗来讲是以一种机械的分割
2.新的兴趣点分组策略，基于兴趣点加权聚类的检索方法

如何构造颜色直方图：
1.像素点的颜色取值区间进行等分
2.统计给区间内的像素点数

局部颜色直方图的构建又分为两类：
1.基于图像机械分割，分割多少区域就有几个直方图（对区域内的所有像素进行统计像素的统计量大）
2.基于兴趣点分割，先按照某种策略将检测出的兴趣点划分到多个集合中，有多少集合数量就有多少个直方图(对兴趣点及其相邻像素点的颜色取值进行统计，点少）

目前方法：
1.环形方法（提取兴趣点，确定点中心，中心到最远距离做半径做圆，切分，统计对每个区域的兴趣点及其相邻像素...）
2.凸包方法（提取兴趣点，确定中心，扫描凸包，计算其离心率，等切分离心率值域，统计对每个区域的兴趣点及其相邻像素...）
存在问题：因为计算中心的时候，游离的点影响大，导致分组不均匀，为了抑制游离点的影响，所以进一步提出新方法。

环形方法的改进：
1.基于兴趣区域的方法：
找出兴趣区域，以兴趣区域的外接圆（包含所有兴趣点的矩形 的外接圆）来替代包含所有兴趣点的圆，最后进行环形切分，这样的切分更均匀，区域更小。
2.基于兴趣点的最小覆盖圆
找出覆盖兴趣点的最小的原（而不是中心到最远兴趣点），切分，统计。
3.our solution：基于兴趣点加权聚类的新的检索方法
通过一种新的加权聚类算法将图像中的兴趣点划分到一定数目的簇中，核心为加权聚类算法。