Je joue un peu avec la similarité d'image. En fait, je joue avec le système de récupération d'image. Idéalement, je veux créer une sorte d'index d'image que je peux interroger pour obtenir des images similaires. Ma pensée actuelle est de stocker une sorte de ImageDescriptor dans l'index et chaque descripteur peut avoir des caractéristiques différentes, par exemple. k-mean-cluster-centroids, histogrammes, ... Et j'ai un calcul simple basé sur wight - chaque fonction a une fonction de distance et le résultat de cette fonction est multiplié par sa puissance et sa somme sur toutes les fonctions. La somme finale est la distance de mon image. Vous n'êtes pas sûr de cette bonne ligne de pensée? J'ai donc commencé à jouer avec les histogrammes. J'ai stocké l'index des histogrammes, que les interroger pour la distance entre l'histogramme et les histogrammes stockés d'index. Cela donne une sorte de similitude mais dans la plupart des cas, c'est loin d'être un bon idéal. Maintenant, je joue avec le clustering k-mean. J'ai déjà implémenté la segmentation basée sur la distance RGB (j'essaierai aussi en mode couleur Labo). Mon index est constitué de vecteurs de centroïdes (issus du clustering). Maintenant, je fais juste une comparaison min-distance entre les centroïdes. Il donne de meilleurs résultats mais aussi loin d'être bon.Similitude d'image et clustering k-mean
Ma première question est-ce que je peux faire quelque chose de mieux avec des segments (clusters) que de rechercher la distance? Comment puis-je inclure des informations de forme? Comme la note de côté, la plupart des images sont des images d'objets du quotidien (différents crayons, différents verres, chaussures différentes, ...) et avec des textures différentes sur le fond de la même couleur. Aucune image naturelle, visages, arbres, nuages, montagnes, ...
Cordialement Zaharije
Je joue avec quelque chose de très similaire, avez-vous fini par résoudre ce problème? Toutes les suggestions sur le meilleur algo clustering, spécifiquement pour les couleurs pizel dans une image? –