tan ( , ) m tan m( , )
m Metrics
Dis ce i j weight dis ce i j
(21)
CueFlik có thể học được các khoảng cách đo thành phần, sử dụng các độ đo
khoảng cách dựa vào biểu đồ màu sắc, độ bão hòa màu, cường độ chiếu sáng của các
điểm ảnh, biểu đồ cạnh, biểu đồ hình toàn cục, biểu đồ kết cấu. CueFlik tính toán chúng cho mỗi ảnh và sử dụngđể đo khoảng cách giữa các ảnh với nhau. CueFlik học
các luật từ các mẫu tích cực và tiêu cực để đưa ra được các luật là tương đồng với bức ảnh hay không?. Việc học các luật này được đưa về việc học các trọng số dựa trên độ
đo khoảng cách tương thích nhất với các bức ảnh mẫu cung cấp. Việc học này dựa trên
các lý thuyết cuả Globerson và Roweis [34].
3.3. Phương pháp tìm kiếm ảnh dựa trên màu sắc, hình dạng, kết cấu của ảnh ảnh
Màu sắc, kết cấu, hình dạng là những đặc trưng được sử dụng đầu tiên trong các
hệ thống tìm kiếm ảnh dựa vào nội dung. P.S. Hirematch và Jagadeesh Pujari [20] ã đ
trình bày phương pháp kết nối cả ba đặc trưng màu sắc, kết cầu và hình dạng đểđạt
hiệu quả cao trong tìm kiếm hình ảnh.Trong phương pháp này, ảnh và phần bổ trợ của
nó được chia thành các ô vuông (tiles) cùng kích thước và không chồng lặp lên nhau.
Những đặc trưng được rút ra từ những biểu đồ xảy ra đồng thời có điều kiện giữa các ô
vuông của ảnh và ô vuông của các thành phần bổ trợ tương ứng được coi như là những
đặc trưng cục bộ của màu sắc và kết cấu. Một đề xuất tích hợp nguyên tắc độ ưu tiên
cao nhất cho cái tương đồng nhất (most similar highest priority principle) và dạng đồ
thị 2 phần (bipartite graph) sử dụng các ô vuông của truy vấn và của ảnh đích, được sử
dụng để đối sánh giữa 2 ảnh. Đặc trưng theo hình dạng được trích rút nhờ việc tính
toán cạnh ủa ảnh dựa v c ào Gradient Vector Flow. Việc kết nối đặc trưng màu sắc, kết
cấu giữa ảnh và thành phần bổ trợ của nó cộng thêm các đặc trưng về hình dạng đã
Hình 13. Tổng quan về mô hình của hệ thống tìm kiếm theo màu sắc, kết cấu và hình dạng