相似图检索小综述

相似图检索

20世纪70年代至20世纪90年代之间，解决图像检索的思路主要是TBIR。通过手动为数据库图像以及查询图像添加文本标签，使得图像检索问题降维成文本检索问题。其主要存在两个问题：

1. 文本标签不能完全描述图像内容（一图值千字）
2. 人工添加数据库图像标签的成本十分昂贵

进入20世纪90年代，为了克服基于标签的图像检索算法的上述两个缺点，提出了CBIR，利用图像中的视觉特征，如纹理、形状、颜色等进行检索。

CBIR（基于内容的图像检索）

基本流程

首先，在训练阶段，提取训练数据库图像的视觉特征，并利用提取的视觉特征计算图像的向量表示
其次，在查询阶段，提取查询图像的视觉特征并计算查询图像表示
然后利用查询图像与所有数据库图像的向量表示计算相似度
最后建立高效的索引方法进行排序，得到检索结果

研究发展

其核心步骤为
1. 视觉特征提取。重点在于设计信息量丰富，并且独特、可区分的视觉特征。
2. 包含相似度计算与索引排序的检索步骤。设计重点在于减少内存占用，提高检索速度，设计高效的检索算法。

后面会逐步介绍上述有关算法。