图像相似度和近似重复检测

Question

我们将设计一个系统来有效地发现
近乎重复(在同一地点或以非常
类似的场景。请参阅以下两个示例图像。)来自一个非常
包含大约 N 个用户提供的图像的大型数据库(即 Flickr)。
(N ~= 2.5 亿)。给定数据库中的图像，系统需要
显示数据库中前 K 个近乎重复的图像及其
对应的近似重复分数。您可以计算
离线几乎重复的相似性。

(1) 什么可能是特征表示的良好候选者
图像及其相应的距离(或相似性)度量？为什么？

(2)计算所有成对的时间复杂度是多少
图像数据库中的相似之处？任何加速算法
近重复检测(例如，过滤掉不相关的图像
首先采用低成本的图像相似性措施)？可能是什么
您提出的方法对降低时间复杂度的影响？
任何权衡的准确性？

(3)使用您提出的算法，估计时间可能是多少
如果将新图像插入数据库(N 张图像)，复杂度如何？

Answer 1

我们可以将完整的问题分为两个不同的部分，第一部分将处理匹配和最接近的图像，第二部分将处理时间复杂度和加速系统。

匹配最近的图像。

1)最近相遇图像的可能性取决于所有可用图像的矢量和匹配率，然后质疑为什么矢量，因为当我们计算图像比较时，这是我们可以相对选择的第一件事。

2)在进行成对划分之前，我相信大数据的分 block 将是一个很好的选择，然后为计算绘制相似的对。但是现在我们需要记住一件事，如果我们对一张图像进行峰值处理，然后对另一张图像进行峰值处理进行比较，那么它将需要处理第二个候选图像的复杂算法或标准。

算法

尺度不变特征变换(关键点匹配)

直方图法(直方图匹配)

这两种算法都广泛用于需要比较的工业中，并且易于使用 matlab 和 Open-CV(java、c/c++)实现。现在指出我们如何可以加速这个完整的任务，我认为实现完整系统的最佳方法是使用分布式系统，并且可以使用 Hadoop、Aka 等框架轻松实现，这也将提供自由选择平台让您感觉舒适。

算法引用:
Scale-invariant feature transform (Keypoint Matching)和
Histogram matching

希望这会有所帮助。