图像检索算法的评价方法及优化措施

在进行图像检索时往往需要选择一种或多种最有效的特征描述方法和相似性度量方法，这就需要对不同的图像特征或特征组合以及不同的相似性度量方法的检索效果进行全面的评价，比较不同方法的性能，找出最好的方法。但是，由于图像检索具有很强的主观性，因此，评价一个图像检索算法性能的优劣并不容易。下面列举的是几个公认的图像检索算法的评价准则。

1）查准率和查全率

查准率（precision）和查全率（recall）是目前在CBIR中应用最为广泛的一种评价准则。查准率的含义是在一次查询过程中，系统返回的相关图像数目占所有返回图像数目的比例，如果在检索结果集合中，正确相关图像数目多，则查准率就高。查全率则指系统返回的查询结果中相关图像数目占图像库中所有相关图像数目（包括返回的和没有返回的）的比例。

查准率和查全率越高，表明该检索系统的效果越好。一般地，查全率和查准率是一对矛盾，当要求精度较高时，查全率较低，反之亦然。因此，一般的检索系统只要求在这两者之间达到一个最优的平衡点，就认为达到了较好的检索性能。

2）命中准确率

查准率和查全率需要用户在图像库中人工找出与查询图像相似的图像集，这将耗费大量的人工劳动，因此这种度量准则对于较小型的图像数据库比较合适。如果图像库测试集已经提前进行了分类，如Corel Image Gallery等类型的数据库，就可以简单地将每一个图像类别作为其中每一幅图像的相关图像，由此来度量算法的检索准确率。设图像q所在的相关图像集为G，图像检索算法自动输出了T个相似图像，其中命中G的有n幅图像，此次检索的准确率定义为

由此，平均多个查询的检索准确率就可以度量算法的检索性能。(www.xing528.com)

3）排序值评测法

设q是一幅查询图像，g1，g2，…，gn为图像检索算法检索到的与q相关的且从主观上认为相似的图像，设rank（gi），i=1，2，…，n为图像gi在检索结果图像序列中对应的排序值，则下述两个指标可以有效地衡量算法的检索性能，

其中，第一个指标定义了所有相关图像在检索结果中的平均排序，显然，此指标越小，检索算法的准确率越高。第二个指标定义了所有相关图像在靠前排列的紧密程度，因此该值越大表明检索结果越好，如果所有的相关图像都排在最前面，则此指标取值为1。

应当指出，除了主观因素，图像检索的准确率与图像数据库有很大的关系，即使同一算法根据相同的评价方法在不同的数据库中计算出的检索准确率都可能会存在较大的差异。

基于内容的图像检索研究是一个综合的研究领域，该技术的研究把计算机视觉（computer vision）、图像处理（image processing）、图像理解（image understanding）和数据库（database）等多个领域的技术成果结合起来，因此仅靠短短的一节不可能将图像检索的关键技术介绍清楚。本节仅仅对CBIR研究中常用的颜色模型、常用图像低层特征的描述方法、图像特征间的相似性度量方法、图像检索性能评价准则进行了介绍，通过这些知识的介绍，使我们能够从整体上了解该领域研究的主要问题和已有的工作基础。