顏色聚合向量是直方圖改進算法中一個較為複雜的方法，它將直方圖中每一個顏色簇劃分成聚合的和非聚合的兩部分
基本介紹
- 中文名：顏色聚合向量
- 屬性：直方圖改進算法中較為複雜的方法
- 作用：將顏色簇劃分成聚合的和非聚合
- 符合規則：所有像素都具有同類量化值
綜述,簡介,公式,
綜述
顏色聚合向量是直方圖改進算法中一個較為複雜的方法，它將直方圖中每一個顏色簇劃分成聚合的和非聚合的兩部分。在圖像相似性比較過程中，分別比較它們的相似性，然后綜合權衡後得到一個相似值，從而得出結果。彩色圖像經過量化後，就可以通過計算連通域將圖像中的像素分為聚合和非聚合兩類。一個連通區域C 是由一些像素組成的集合，這些像素之間符合一個規則：即區域C 中所有像素都具有同類量化值，且任意兩個像素p 和p’∈C，那么在p 和p’之間將有一個通路。根據連通區域的尺寸大小將像素劃分成聚合和非聚合兩類，其方法是：如果一個連通區的像素個數域超出了閾值τ，則認為該區域的像素是聚合的，否則將被判為非聚合的。
簡介
在基於顏色聚合向量的檢索方法中，判斷某一連通區域是否為聚合時，閾值一般被設為某一固定值，大於等於這一固定值，則判為聚合，否則非聚合。顏色經過量化聚合後，設 j c 為第j 類顏色中心值，αj 為第j 個聚類的聚合數目，βj 為第j 個聚類的非聚合數目，對於每一個聚類計算聚合向量對<αj ,βj>，這樣一幅圖像的特徵由
公式
（< 1→c,α1,β1>,< 2→c,α2,β2>,< 3→c,α3,β3>,…,< n c→ ,αn ,βn>）來給出，就得到了圖像的特徵即顏色聚合向量。
