Avaliação da semelhança de imagens por interseção de histogramas

Resumo A cor é o atributo mais amplamente utilizado na recuperação de imagens e reconhecimento de objetos. Uma técnica conhecida como interseção de histogramas tem sido amplamente estudada e é considerada eficaz para indexação de imagens em cores. A questão principal deste algoritmo é a seleção de um espaço de cor apropriado e a quantização ótima do espaço de cor selecionado. O objetivo deste artigo é medir o desempenho do modelo na previsão do julgamento humano na medição de similaridade para várias imagens, explorar a capacidade do modelo com um amplo conjunto de espaços de cor e encontrar a quantização ótima dos espaços de cor selecionados. Seis espaços de cor e doze níveis de quantização estão envolvidos na avaliação do desempenho da interseção de histogramas. Os experimentos de julgamento categórico e de ordem de classificação foram realizados para medir a semelhança de imagens. O espaço de cor CIELAB foi encontrado desempenhando pelo menos tão bem quanto ou melhor que os outros espaços de cor testados, e a capacidade de prever a semelhança de imagens aumentou com o número de bins usados nos histogramas, chegando a 512 bins (8 por canal). Com mais de 512 bins, a melhoria adicional foi negligenciável para os conjuntos de dados de imagem utilizados neste estudo. © 2005 Wiley Periodicals, Inc. Col Res Appl, 30, 265–274, 2005; Publicado online na Wiley InterScience (www.interscience.wiley.com). DOI 10.1002/col.20122