CN103699532A - 图像颜色检索方法和*** - Google Patents
图像颜色检索方法和*** Download PDFInfo
- Publication number
- CN103699532A CN103699532A CN201210365623.XA CN201210365623A CN103699532A CN 103699532 A CN103699532 A CN 103699532A CN 201210365623 A CN201210365623 A CN 201210365623A CN 103699532 A CN103699532 A CN 103699532A
- Authority
- CN
- China
- Prior art keywords
- value
- pixel
- color
- tone
- quantized
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像检索方法和***,涉及图像处理领域。该方法包括:对图像中像素的HSV颜色空间表示进行量化处理,获得属于0~N范围内的量化颜色值,其中,对色调值进行非均匀模糊量化;统计图像像素的量化颜色值的直方图,用图像的像素总数进行归一化处理,获得图像的颜色特征向量;将图像的颜色特征向量与其他图像的颜色特征向量进行比较以确定图像的相似度。本发明的方法和***以图像量化后的颜色特征向量作为相关的判断依据,在数据库中提取与查询图像颜色相关的图像,使图像检索更加智能,颜色相关图像的提取结果也更加准确。通过采用离线模块对数据库图像中的图像提前进行处理,有效地提高了执行速度。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种图像颜色检索方法和***。
背景技术
随着多媒体技术、数字成像技术和计算机技术应用的快速发展,以及大容量存储设备和数字化设备普及应用,图像和视频数据呈现几何式递增趋势,与此同时,出现了大容量的图像/视频数据库。但是,数字成像设备本身没有对图像数据库管理和查询功能,如何从浩瀚的图像数据库中迅速、准确的查找到所需要的数字图像已经成为近年来多媒体技术研究的热点之一。图像检索技术的研究对多媒体数字图书馆、商标版权管理和卫星遥感地理信息***等多个研究领域提供了有力的支持。
早在20世纪70年代末期,人们就提出了图像检索的方法,这种检索方法是一种基于文本/数据结构的检索技术,通过对描述图像的关键词或自由文本进行检索。首先需要对数据库中的图像数据进行文本描述,查询的过程是基于图像描述文本的准确匹配或概率匹配。然而,这一图像检索方法具有下述难以克服的缺点:1)通过人工进行标注的手段主观性很强,同一副图像不同的人对其内容可能会有不同的解释,同一个描述词汇也可能具有很多种不同的意思,而且不同国家不同民族很难用一种统一的语言对图像进行解释。2)由于数据规模的膨胀而造成人工标注的开销越来越难以承受。3)图像的内容比较丰富,具有“一图千字”的特点,在一些情况下,用有限的文字根本无法清楚的表达图像本身所表达的意思,尤其当图像蕴涵有某种深层含意的时候。4)尽管图像的创建日期、格式信息、分辨率等很多参数信息,可以在一定程度上被自动化提取,并提供一些基本的索引线索,但基于文本内容标注的方法在对图像视觉特征的相似性检索上却难以实现。
发明内容
本发明的发明人发现上述现有技术中存在问题,并因此针对所述问题中的至少一个问题提出了一种新的技术方案。
本发明的一个目的是提供一种用于用于快速、准确地进行图像检索的技术方案。
根据本发明的第一方面,提供了一种图像检索方法,包括:获得图像中像素的色调、饱和度和亮度HSV颜色空间表示;对所述图像中像素的HSV颜色空间表示进行量化处理,获得属于0~N范围内的量化颜色值,N为自然数,其中,对色调值进行非均匀模糊量化;统计所述图像像素的量化颜色值的直方图,用所述图像的像素总数进行归一化处理,获得所述图像的颜色特征向量;将所述图像的颜色特征向量与其他图像的颜色特征向量进行比较以确定图像的相似度。
可选地,对色调值进行非均匀模糊量化包括:在色调的交界处设置过渡区,如果色调值落在所述过渡区内,则将所述色调值量化为与所述过渡区相关的色彩量化值的加权和,如果所述色调值没有落在所述过渡区内,则对所述色调值直接量化。
可选地,对色调值进行非均匀模糊量化包括:设置色调的多个量化边界;在所述量化边界的两边设置量化边界过渡区,所述过渡区的大小和两个相邻量化边界之间的范围大小成正比;获取所述过渡区的隶属度函数,根据岭型分布,求得色调值属于过渡区的隶属度函数值;如果像素点的色调值落在所述过渡区内,则把所述像素点的色调值量化为与该过渡区相关的两个色彩量化值的加权和,加权值为隶属度函数值;如果像素点的色调值落在过渡区外,则根据色调值确定对应的量化值。
可选地,N为36,所述量化边界包括22、45、70、155、186、278、330。
可选地,该方法还包括:将所述图像的像素由RGB颜色空间表示转换为HSV颜色空间表示,其中,色调的取值范围为0到360,饱和度的取值范围为0到1,亮度的取值范围为0到1。
可选地,对所述图像中像素的HSV颜色空间表示进行量化处理获得属于0~N范围内的量化颜色值包括:若像素点的亮度值小于0.2,则像素点的量化颜色值取值为0;若像素点的亮度值大于等于0.8,饱和度的值小于0.2,则像素点的量化颜色值取值为7;若像素点的亮度值在0.2和0.8之间,饱和度s的值小于0.2,则像素点的量化颜色值取值为亮度值的10倍减1并向下取整后的值;若像素点的亮度值大于等于0.2,饱和度的值大于等于0.2,则像素点的量化颜色值由像素点的亮度值、饱和度值和色调值的量化值加权获得。
可选地,若像素点的亮度值大于等于0.2,饱和度的值大于等于0.2、像素点的量化颜色值由像素点的亮度值、饱和度值和色调值的量化值加权获得包括:若像素点的亮度值在0.2和0.7之间,则像素点的亮度值的量化值为0;若亮度v的值在0.7和1之间,则像素点的亮度值的量化值为1;若像素点的饱和度值在0.2和0.65之间,则像素点的饱和度值的量化值为0;若像素点的饱和度值在0.65和1之间,则像素点的饱和度值的量化值为1;对像素点的色调值进行非均匀模糊量化处理;像素点的量化颜色值由像素点的色调值、饱和度值、和亮度值的量化值加权得到:I=4H+2S+V+8,其中,I为量化颜色值,H为色调,S为饱和度,V为亮度。
可选地,将所述图像的颜色特征向量与其他图像的颜色特征向量进行比较以确定相似图像包括:将所述图像的颜色特征向量与其他图像的颜色特征向量进行比较,根据颜色特征向量间的绝对值距离或者欧氏距离计算所述图像和其他图像的相似度。
根据本发明的另一方面,提供一种图像检索***,包括:颜色空间表示获取模块,用于获得图像中像素的色调、饱和度和亮度HSV颜色空间表示;颜色空间表示量化模块,用于对所述图像中像素的HSV颜色空间表示进行量化处理,获得属于0~N范围内的量化颜色值,N为自然数,其中,对色调值进行非均匀模糊量化;颜色特征向量获取模块,用于统计所述图像像素的量化颜色值的直方图,用所述图像的像素总数进行归一化处理,获得所述图像的颜色特征向量;颜色特征向量比较模块,用于将所述图像的颜色特征向量与其他图像的颜色特征向量进行比较以确定图像的相似度。
可选地,所述颜色空间表示量化模块包括:亮度量化单元,用于对亮度值进行量化获得亮度量化值;饱和度量化单元,用于对饱和度值进行量化获得饱和度量化值;色调量化单元,用于对色调值进行非均匀模糊量化获得色调量化值;量化颜色值确定单元,用于根据像素的亮度值、饱和度值以及所述亮度量化值、饱和度量化值和色调量化值确定属于0~N范围内的像素的量化颜色值。
可选地,色调量化单元在色调的交界处设置过渡区,如果色调值落在所述过渡区内,则将所述色调值量化为与所述过渡区相关的色彩量化值的加权和,如果所述色调值没有落在所述过渡区内,则对所述色调值直接量化。
可选地,色调量化单元用于设置色调的多个量化边界;在所述量化边界的两边设置量化边界过渡区,所述过渡区的大小和两个相邻量化边界之间的范围大小成正比;获取所述过渡区的隶属度函数,根据岭型分布,求得色调值属于过渡区的隶属度函数值;如果像素点的色调值落在所述过渡区内,则把所述像素点的色调值量化为与该过渡区相关的两个色彩量化值的加权和,加权值为隶属度函数值;如果像素点的色调值落在过渡区外,则直接根据色调值确定对应的量化值。
可选地,N为36,所述量化边界包括22、45、70、155、186、278、330。
可选地,量化颜色值确定单元判断若像素点的亮度值小于0.2,则像素点的量化颜色值取值为0;若像素点的亮度值大于0.8,饱和度的值小于0.2,则像素点的量化颜色值取值为7;若像素点的亮度值在0.2和0.8之间,饱和度的值小于0.2,则像素点的量化颜色值取值为亮度值的10倍减1并向下取整后的值;若像素点的亮度值大于等于0.2,饱和度的值大于等于0.2,则像素点的量化颜色值由所述亮度量化单元获得像素点的亮度量化值、所述饱和度量化单元获得饱和度量化值和所述色调量化单元获得的色调量化值的加权获得像素点的量化颜色值。
可选地,若像素点的亮度值大于等于0.2,饱和度s的值大于等于0.2,则所述亮度量化单元判断若像素点的亮度值在0.2和0.7之间,则像素点的亮度值的量化值为0,若亮度v的值在0.7和1之间,则像素点的亮度值的量化值为1;所述饱和度量化单元判断若像素点的饱和度值在0.2和0.65之间,则像素点的饱和度值的量化值为0,若像素点的饱和度值在0.65和1之间,则像素点的饱和度值的量化值为1;所述色调量化单元对像素点的色调值进行非均匀模糊量化处理。
可选地,颜色空间表示获取模块,将所述图像的像素由RGB颜色空间表示转换为HSV颜色空间表示,其中,色调的取值范围为0到360,饱和度的取值范围为0到1,亮度的取值范围为0到1。
可选地,颜色特征向量比较模块将所述图像的颜色特征向量与其他图像的颜色特征向量进行比较,根据颜色特征向量间的绝对值距离或者欧氏距离计算所述图像和其他图像的相似度。。
本发明的一个优点在于,以图像量化后的颜色特征向量作为图像相似度的判断标准,直接利用了图像的内容信息,无需人工对图像进行描述,使图像检索更加快速,颜色相关图像的提取结果也更加准确。
通过以下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其优点将会变得清楚。
附图说明
构成说明书的一部分的附图描述了本发明的实施例,并且连同说明书一起用于解释本发明的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本发明,其中:
图1示出本发明的图像检索方法的一个实施例的流程图。
图2示出本发明的图像检索***的一个实施例的总体结构及工作流程图。
图3示出本发明的颜色空间转换的一个例子的流程图。
图4示出本发明的一个实施例中颜色量化主流程图。
图5示出本发明的一个实施例中彩色区域量化流程图。
图6示出本发明的一个实施例中色调模糊量化流程图。
图7示出本发明的图像检索***的一个实施例的结构图。
图8示出本发明的图像检索***的另一个实施例的结构图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
图1示出本发明的图像检索方法的一个实施例的流程图。
如图1所示,步骤102,获得图像中像素的色调(Hue)h、饱和度(Saturation)s和亮度(Value)v的HSV颜色空间表示。图像的颜色空间有很多种,例如RGB、YIQ、YUV、YCbCr、YES,还有面向色调的由颜色心理三属性表示的颜色空间HIS、HSV、HSL、HSB、TSL等。HSV颜色空间表示采用色调H、饱和度S和亮度V分离的方式实现了对颜色的定量描述,更为准确地反映了人类视觉***对色彩的理解方式,对图像区分度较好。对于通过其他颜色空间表示的图像,可以通过各个颜色空间间的转换公式转换为HSV。具体的转换实现可以参见相关技术文献的介绍,为简洁起见在此不进行详细描述。
步骤104,对图像中像素的HSV颜色空间表示进行量化处理,获得属于0~N范围内的量化颜色值,N为自然数,其中,对色调h进行非均匀模糊量化。通过量化处理,减小图像像素的维度表示,便于后续比较处理。N例如取36、48、64、108、128、256等多种选择。
步骤106,统计图像像素的量化颜色值的直方图,用图像的像素总数进行归一化处理,获得图像的颜色特征向量。将通过上述处理获得的特征向量作为该图像的特征表示。
步骤108,将图像的颜色特征向量与其他图像的颜色特征向量进行比较以确定图像的相似度。例如,可以采用颜色特征向量间的欧式距离等方式来表示两个图像间的相似度,也可以采用绝对值距离作为计算相关性的标准来计算图像的颜色相关性。
上述实施例中,以图像量化后的颜色特征向量作为相关的判断标准,在数据库中提取与查询图像颜色相关的图像。直接利用了图像的内容信息,无需人工对图像进行描述,使图像检索***更加智能,颜色相关图像的提取结果也更加准确。采用模糊量化的方式对色调h进行量化处理,充分考虑到色调h量化边界附近处颜色的相似性和连续性,减少量化误差。
图2示出本发明的图像检索***的一个实施例的工作流程图。在该实施例中,该***包括离线处理模块21和在线处理两个模块22。
其中,离线处理模块21负责对数据库中的图像进行处理,为数据库中的每一幅图像产生相应的颜色特征描述向量,将图像的颜色特征描述向量和图像一起对应存储于数据库中。进行后续的特征比较时可以直接导入图像的颜色特征向量,无需对图像进行特征向量提取的重复处理,以提高***的执行速度。离线处理模块21的工作流程包括数据库图像读取211a、图像颜色空间转换212a、颜色模糊量化处理213a、颜色特征描述214a并生成颜色特征向量文件。具体介绍如下:
步骤211a,数据库图像读取。获取数据库中图像的名称,形成图像名称列表。可以计算数据库中所包含图像的总数M,并使用1~M分别标记数据库中的图像,也可以根据图像其他唯一标识来表示各个图像。根据标记号,依次将数据库中的图像读入离线处理模块。读入的图像在***中例如使用RGB颜色空间表示。
步骤212a,图像颜色空间转换。相比RGB颜色空间,HSV可以更好的数字化处理颜色。在进行量化之前先对图像进行颜色空间转换,由RGB空间转换到HSV空间。图像颜色空间转换完成之后,图像的每一个像素点使用色调h、饱和度s和亮度v进行表示,其中h的取值范围为0到360,s的取值范围为0到1,v的取值范围为0到1。
步骤213a,颜色模糊量化处理。彩色图像的颜色是非常丰富的,一幅真彩图像例如可以具有256*256*256种不同的颜色,直接进行颜色比对时计算量非常大。考虑到人眼对颜色的分辨率是有限的,即在某个范围内,人眼对颜色的变化不敏感甚至无法觉察,可以使用颜色量化的方式减少颜色总数,从而减少颜色特征的维数,缩短颜色比对的计算时间。一般而言,在视觉特征中,颜色之间的差异主要由颜色色调的差异所体现。为减少计算复杂度,在进行颜色量化时只对色调h分量进行模糊量化,s和v分量采用直接量化的方式进行处理。所谓的模糊量化就是在色调的交界处设置过渡区,对于给定的h值,如果落在过渡区内,则认为该像素的颜色量化存在模糊性,就把其量化为与该过渡区相关的几个色彩量化值的加权和,而对于没有落在过渡区内的像素则采用直接量化的方法进行量化。在对图像进行颜色模糊量化处理之后,每一个像素点量化后颜色值的取值范围在0~N-1之间。
步骤214a,颜色特征描述。统计量化图像中的颜色值分别为0到N-1的像素数量,并用图像的像素总数进行归一化处理,便形成了该图像的N维颜色特征描述向量。
数据库中的图像经上述步骤处理完成之后,将所形成的图像颜色特征描述向量和图像的名称一起保存到数据库图像颜色特征描述向量文件,对数据库中所有的图像完成处理。离线处理模块负责对数据库中的图像进行处理,为数据库中的每一幅图像产生相应的颜色特征描述向量,将颜色特征描述向量和图像一起对应存储于数据库中。进行后续的特征比较时可以直接导入图像的颜色特征向量,无需对图像进行在线处理,以提高***的执行速度。
在线处理模块22负责从终端获取查询图像,对查询图像进行处理之后形成颜色特征描述向量,与数据库中图像的颜色特征向量进行比对,从数据库中选取与查询图像颜色相似性最高的图像,并将最终结果显示到终端。线处理模块22工作流程包括查询图像获取211b、图像颜色空间转换212b、颜色模糊量化处理213b、颜色特征描述214b、特征比较215和提取结果显示216,详细介绍如下:
步骤211b,查询图像获取。从终端获取图像,读入在线处理模块。读入的图像在***中例如使用RGB颜色空间进行表示的。
步骤212b,图像颜色空间转换,由RGB空间转换到HSV空间。图像颜色空间转换完成之后,图像的每一个像素点使用色调h、饱和度s和亮度v进行表示,其中h的取值范围为0到360,s的取值范围为0到1,v的取值范围为0到1。
步骤213b,颜色模糊量化处理。根据HSV颜色空间的色彩属性,对色调h分量进行模糊量化,s和v分量采用直接量化的方式进行处理。在对图像进行颜色模糊量化处理之后,每一个像素点量化后颜色值的取值范围在0~N-1之间。
步骤214b,颜色特征描述。统计量化图像中的颜色值分别为0到N-1的像素数量,并用图像的像素总数进行归一化处理,形成N维的查询图像颜色特征描述向量。
步骤215,特征比较。读入离线模块中生成的数据库图像颜色特征描述向量文件,使用获得的查询图像颜色特征描述向量与所述文件进行比较,采用绝对值距离作为计算相关性的标准,计算查询图像和数据库中每一幅图像的颜色相关性。
步骤216,提取颜色相关图像,进行结果显示。对步骤215中得到的查询图像和数据库中每一幅图像的颜色相关性从大到小进行排序,选取相关性最高的前几幅图像,并在数据库图像颜色特征描述向量文件中获取这些图像的名称。根据名称,从数据库中调取相应的图像并发送到终端进行提取结果显示。
上述实施例中,***通过离线处理模块对数据库图像中的图像进行处理,为数据库中的每一幅图像生成对应的颜色特征描述向量,并将该向量和图像的名称一起保存到数据库图像颜色特征描述向量文件中。当使用查询图像进行颜色相关图像提取操作时,可以直接读入数据库图像颜色特征描述向量文件进行特征对比,无需对数据库图像进行在线处理,可以有效地提高***的执行速度。
在一个实施例中,在HSV颜色空间中将彩色图像量化为36种颜色值,并利用模糊控制消除由边界不连续性造成的量化误差,统计图像量化后的颜色直方图,作为颜色特征从数据库中提取与查询图像颜色相关的图像。
下面结合图3至图6为例介绍其中的主要步骤。
图3示出本发明的颜色空间转换的一个例子的流程图,转换的主要步骤如下:
步骤3a,亮度v的转换。对像素点R、G、B三个通道的值进行比较,选取三个通道中的最大值,使用255作为亮度的归一化参数进行归一计算,即可得到HSV空间中亮度v的值,其取值范围在0到1之间。
步骤3b,饱和度s的转换。在图像中,对每一个像素点分别计算其R、G、B三个通道值的和,选取和的最大值作为饱和度的归一化参数。在计算单个像素点的饱和度s时,选取该像素点R、G、B三个通道值中的最大值和最小值,对它们的差使用上述归一化参数进行归一计算,即可得到HSV空间中饱和度s的值,其取值范围在0到1之间。
步骤3c,色调h的转换。HSV空间中色调h的值是一个取值范围在0到360之间的角度,通过对由R、G、B三个通道值构成的参数进行反余弦计算而得出。如果像素点的B通道值小于等于G通道值,直接对该参数进行反余弦计算即可得到HSV空间中色调h的值。如果像素点的B通道值大于G通道值,则需要用360减去进行反余弦计算的结果才可得到HSV空间中色调h的值。
需要指出,步骤3a、3b、和3c可以顺序执行或者并行处理,各个步骤之间的顺序也不作限制。
彩色图像的颜色是非常丰富的,一幅真彩图像就可以具有256*256*256种不同的颜色,直接进行颜色比对时计算量非常大。考虑到人眼对颜色的分辨率是有限的,即在某个范围内,人眼对颜色的变化不敏感甚至无法觉察,可以使用颜色量化的方式减少颜色总数,从而减少颜色特征的维数,缩短颜色比对的计算时间。一般而言,在视觉特征中,颜色之间的差异主要由颜色色调的差异所体现。为减少计算复杂度,在进行颜色量化时只对色调h分量进行模糊量化,s和v分量采用直接量化的方式进行处理。
图4示出本发明的一个实施例中颜色量化主流程图,颜色量化的主要步骤如下:
步骤401,判断亮度v的值是否小于0.2;如果亮度v的值小于0.2,则表示该像素点颜色的亮度非常低,在此区间内的像素点处于黑色区域,量化后的颜色值I用0表示(步骤402);如果亮度v的值大于等于0.2,则继续步骤403。
步骤403,判断饱和度s是否小于0.2;如果饱和度s的值大于等于0.2,表示在此区间内的像素点处于彩色区域,量化后的颜色值I由下述亮度v、饱和度s和色调h的量化值加权得出(步骤407),稍后参考图5具体介绍彩色区域中量化颜色值的获得。如果饱和度s的值小于0.2,则继续步骤404。
步骤404,判断亮度v的值是否小于0.8;如果亮度v的值小于0.8,则表示在此区间内的像素点处于灰色区域,而且亮度v越大,灰色越浅,量化后的颜色值I由亮度v的10倍减1并向下取整后的值进行表示(步骤405);如果亮度v的值大于0.8,表示在此区间内的像素点处于白色区域,量化后的颜色值I用7表示(步骤406)。图5介绍了彩色区域量化一个例子的流程图。
如图5所示,步骤501,亮度量化。若亮度v的值在0.2和0.7之间,则其量化值为0;若亮度v的值在0.7和1之间,则其量化值为1。
步骤502,饱和度量化。若饱和度s的值在0.2和0.65之间,则其量化值为0;若饱和度s的值在0.65和1之间,则其量化值为1。
步骤503,色调量化。由于一般颜色空间对人眼感知来说并不均匀,为了能够更好的符合人眼视觉感受,对色调h分量进行的量化采用非均匀模糊量化,稍后结合图6详细介绍色调h分量量化的一种具体实现。
步骤504,量化颜色值I由h、s、v的量化值加权得到:
I=4H+2S+V+8 (1)
其中,I为量化颜色值,H为色调的量化值,S为饱和度的量化值,V为亮度的量化值。
图6介绍了色调模糊量化的一个例子的流程图,该例子中,量化颜色值取值0~35。具体的步骤如下:
步骤601,设置量化边界:选取22、45、70、155、186、278、330作为色调h的量化边界。
步骤602,设置量化边界过渡区:在选取的量化边界的两边设置量化边界过渡区。过渡区的大小和两个相邻量化边界之间的范围大小成正比。
步骤603,获取过渡区隶属度函数:根据岭型分布,求得色调h属于过渡区的隶属度函数。在边界处的色调h对于相邻两区的隶属度函数都是0.5。
步骤604,判断像素点的色调h值是否落在过渡区内?如果是,则,继续步骤605,否则,继续步骤606。
步骤605,若像素点的色调h值落在过渡区内,则认为该像素的颜色量化存在模糊性,就把其量化为与该过渡区相关的两个色彩量化值的加权和,加权值即为步骤603中求得的隶属度函数值。这样边界两边的量化值都对当前量化值产生了影响。
步骤606,若像素点的色调h值落在过渡区外,则认为该像素的颜色量化不存在模糊性,直接根据色调h的值找到对应的量化值即可。
在对图像进行颜色模糊量化处理之后,每一个像素点量化后颜色值的取值范围在0~35之间。统计量化图像中的颜色值分别为0到35的像素数量,并用图像的像素总数进行归一化处理,便形成了该图像的36维颜色特征描述向量。
上述实施例中提供一种使用模糊量化处理过的颜色特征进行相关图像提取的方法,克服基于文本标注的图像检索技术的缺点和不足,用于帮助人们快速、准确的从大容量图像库中提取与查询图像颜色相关的图像。
图7示出本发明的图像检索***的一个实施例的结构图。如图7所示,该图像检索***包括:颜色空间表示获取模块71,用于获得图像中像素的色调、饱和度和亮度的HSV颜色空间表示;颜色空间表示量化模块72,用于对图像中像素的HSV颜色空间表示进行量化处理,获得属于0~N范围内的量化颜色值,N为自然数,其中,对色调值进行非均匀模糊量化;颜色特征向量获取模块73,用于统计图像像素的量化颜色值的直方图,用图像的像素总数进行归一化处理,获得图像的颜色特征向量;颜色特征向量比较模块74,用于将图像的颜色特征向量与其他图像的颜色特征向量进行比较以确定图像的相似度。在一个实施例中,颜色空间表示获取模块,将图像的像素由RGB颜色空间表示转换为HSV颜色空间表示,其中,色调的取值范围为0到360,饱和度的取值范围为0到1,亮度的取值范围为0到1。
图8示出本发明的图像检索***的另一个实施例的结构图。在该实施例中,颜色空间表示量化模块82包括:亮度量化单元822,用于对亮度值进行量化获得亮度量化值;饱和度量化单元823,用于对饱和度值进行量化获得饱和度量化值;色调量化单元824,用于对色调值进行非均匀模糊量化获得色调量化值;量化颜色值确定单元821,用于根据像素的亮度值、饱和度值以及亮度量化值、饱和度量化值和色调量化值确定属于0~N范围内的像素的量化颜色值。
在一个实施例中,色调量化单元在色调的交界处设置过渡区,如果色调值落在过渡区内,则将色调值量化为与过渡区相关的色彩量化值的加权和,如果色调值没有落在过渡区内,则对色调值直接量化。例如,色调量化单元用于设置色调的多个量化边界;在量化边界的两边设置量化边界过渡区,过渡区的大小和两个相邻量化边界之间的范围大小成正比;获取过渡区的隶属度函数,根据岭型分布,求得色调值属于过渡区的隶属度函数值;如果像素点的色调值落在过渡区内,则把像素点的色调值量化为与该过渡区相关的两个色彩量化值的加权和,加权值为隶属度函数值;如果像素点的色调值落在过渡区外,则直接根据色调值确定对应的量化值。在一个实施例中,N为36,量化边界包括22、45、70、155、186、278、330。
在一个实施例中,量化颜色值确定单元判断若像素点的亮度值小于0.2,则像素点的量化颜色值取值为0;若像素点的亮度值大于等于0.8,饱和度的值小于0.2,则像素点的量化颜色值取值为7;若像素点的亮度值在0.2和0.8之间,饱和度的值小于0.2,则像素点的量化颜色值取值为亮度值的10倍减1并向下取整后的值;若像素点的亮度值大于等于0.2,饱和度s的值大于等于0.2,则像素点的量化颜色值由亮度量化单元获得像素点的亮度量化值、饱和度量化单元获得饱和度量化值和色调量化单元获得的色调量化值的加权获得像素点的量化颜色值。若像素点的亮度值大于等于0.2,饱和度的值大于等于0.2,则亮度量化单元判断若像素点的亮度值在0.2和0.7之间,则像素点的亮度值的量化值为0,若亮度v的值在0.7和1之间,则像素点的亮度值的量化值为1;饱和度量化单元判断若像素点的饱和度值在0.2和0.65之间,则像素点的饱和度值的量化值为0,若像素点的饱和度值在0.65和1之间,则像素点的饱和度值的量化值为1;色调量化单元对像素点的色调值进行非均匀模糊量化处理。
本发明的实施例以图像量化后的颜色特征向量作为相关的判断依据,在数据库中提取与查询图像颜色相关的图像,使图像检索***更加智能,颜色相关图像的提取结果也更加准确。通过采用离线模块对数据库图像中的图像提前进行处理,有效地提高了执行速度。
至此,已经详细描述了根据本发明的图像检索方法和***。为了避免遮蔽本发明的构思,没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述,完全可以明白如何实施这里公开的技术方案。
可能以许多方式来实现本发明的方法和***。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和***。用于方法的步骤的上述顺序仅是为了进行说明,本发明的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本发明实施为记录在记录介质中的程序,这些程序包括用于实现根据本发明的方法的机器可读指令。因而,本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
虽然已经通过示例对本发明的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本发明的范围。本领域的技术人员应该理解,可在不脱离本发明的范围和精神的情况下,对以上实施例进行修改。本发明的范围由所附权利要求来限定。
Claims (17)
1.一种图像检索方法,其特征在于,包括:
获得图像中像素的色调、饱和度和亮度HSV颜色空间表示;
对所述图像中像素的HSV颜色空间表示进行量化处理,获得属于0~N范围内的量化颜色值,N为自然数,其中,对色调值进行非均匀模糊量化;
统计所述图像像素的量化颜色值的直方图,用所述图像的像素总数进行归一化处理,获得所述图像的颜色特征向量;
将所述图像的颜色特征向量与其他图像的颜色特征向量进行比较以确定图像的相似度。
2.根据权利要求1所述的方法,其特征在于,所述对色调值进行非均匀模糊量化包括:
在色调的交界处设置过渡区,如果色调值落在所述过渡区内,则将所述色调值量化为与所述过渡区相关的色彩量化值的加权和,如果所述色调值没有落在所述过渡区内,则对所述色调值直接量化。
3.根据权利要求1所述的方法,其特征在于,所述对色调值进行非均匀模糊量化包括:
设置色调的多个量化边界;
在所述量化边界的两边设置量化边界过渡区,所述过渡区的大小和两个相邻量化边界之间的范围大小成正比;
获取所述过渡区的隶属度函数,根据岭型分布,求得色调值属于过渡区的隶属度函数值;
如果像素点的色调值落在所述过渡区内,则把所述像素点的色调值量化为与所述过渡区相关的两个色彩量化值的加权和,加权值为隶属度函数值;
如果像素点的色调值落在过渡区外,则根据色调值确定对应的量化值。
4.根据权利要求3所述的方法,其特征在于,所述N为36,所述量化边界包括22、45、70、155、186、278、330。
5.根据权利要求1所述的方法,其特征在于,还包括:
将所述图像的像素由红绿蓝RGB颜色空间表示转换为HSV颜色空间表示,其中,色调的取值范围为0到360,饱和度的取值范围为0到1,亮度的取值范围为0到1。
6.根据权利要求5所述的方法,其特征在于,所述对所述图像中像素的HSV颜色空间表示进行量化处理获得属于0~N范围内的量化颜色值包括:
若像素点的亮度值小于0.2,则像素点的量化颜色值取值为0;
若像素点的亮度值大于等于0.8,饱和度的值小于0.2,则像素点的量化颜色值取值为7;
若像素点的亮度值在0.2和0.8之间,饱和度的值小于0.2,则像素点的量化颜色值取值为亮度值的10倍减1并向下取整后的值;
若像素点的亮度值大于等于0.2,饱和度的值大于等于0.2,则像素点的量化颜色值由像素点的亮度值、饱和度值和色调值的量化值加权获得。
7.根据权利要求6所述的方法,其特征在于,所述若像素点的亮度值大于等于0.2,饱和度的值大于等于0.2、像素点的量化颜色值由像素点的亮度值、饱和度值和色调值的量化值加权获得包括:
若像素点的亮度值在0.2和0.7之间,则像素点的亮度值的量化值为0;若亮度v的值在0.7和1之间,则像素点的亮度值的量化值为1;
若像素点的饱和度值在0.2和0.65之间,则像素点的饱和度值的量化值为0;若像素点的饱和度值在0.65和1之间,则像素点的饱和度值的量化值为1;
对像素点的色调值进行非均匀模糊量化处理;
像素点的量化颜色值由像素点的色调值、饱和度值、和亮度值的量化值加权得到:
I=4H+2S+V+8
其中,I为量化颜色值,H为色调的量化值,S为饱和度的量化值,V为亮度的量化值。
8.根据权利要求1所述的方法,其特征在于,所述将所述图像的颜色特征向量与其他图像的颜色特征向量进行比较以确定相似图像包括:
将所述图像的颜色特征向量与其他图像的颜色特征向量进行比较,根据颜色特征向量间的绝对值距离或者欧氏距离计算所述图像和其他图像的相似度。
9.一种图像检索***,其特征在于,包括:
颜色空间表示获取模块,用于获得图像中像素的色调、饱和度和亮度HSV颜色空间表示;
颜色空间表示量化模块,用于对所述图像中像素的HSV颜色空间表示进行量化处理,获得属于0~N范围内的量化颜色值,N为自然数,其中,对色调值进行非均匀模糊量化;
颜色特征向量获取模块,用于统计所述图像像素的量化颜色值的直方图,用所述图像的像素总数进行归一化处理,获得所述图像的颜色特征向量;
颜色特征向量比较模块,用于将所述图像的颜色特征向量与其他图像的颜色特征向量进行比较以确定图像的相似度。
10.根据权利要求9所述的***,其特征在于,所述颜色空间表示量化模块包括:
亮度量化单元,用于对亮度值进行量化获得亮度量化值;
饱和度量化单元,用于对饱和度值进行量化获得饱和度量化值;
色调量化单元,用于对色调值进行非均匀模糊量化获得色调量化值;
量化颜色值确定单元,用于根据像素的亮度值、饱和度值以及所述亮度量化值、饱和度量化值和色调量化值确定属于0~N范围内的像素的量化颜色值。
11.根据权利要求10所述的***,其特征在于,所述色调量化单元在色调的交界处设置过渡区,如果色调值落在所述过渡区内,则将所述色调值量化为与所述过渡区相关的色彩量化值的加权和,如果所述色调值没有落在所述过渡区内,则对所述色调值直接量化。
12.根据权利要求10所述的***,其特征在于,所述色调量化单元用于设置色调的多个量化边界;在所述量化边界的两边设置量化边界过渡区,所述过渡区的大小和两个相邻量化边界之间的范围大小成正比;获取所述过渡区的隶属度函数,根据岭型分布,求得色调值属于过渡区的隶属度函数值;如果像素点的色调值落在所述过渡区内,则把所述像素点的色调值量化为与该过渡区相关的两个色彩量化值的加权和,加权值为隶属度函数值;如果像素点的色调值落在过渡区外,则直接根据色调值确定对应的量化值。
13.根据权利要求12所述的***,其特征在于,所述N为36,所述量化边界包括22、45、70、155、186、278、330。
14.根据权利要求10所述的***,其特征在于,所述量化颜色值确定单元判断若像素点的亮度值小于0.2,则像素点的量化颜色值取值为0;若像素点的亮度值大于等于0.8,饱和度的值小于0.2,则像素点的量化颜色值取值为7;若像素点的亮度值在0.2和0.8之间,饱和度的值小于0.2,则像素点的量化颜色值取值为亮度值的10倍减1并向下取整后的值;若像素点的亮度值大于等于0.2,饱和度s的值大于等于0.2,则像素点的量化颜色值由所述亮度量化单元获得像素点的亮度量化值、所述饱和度量化单元获得饱和度量化值和所述色调量化单元获得的色调量化值的加权获得像素点的量化颜色值。
15.根据权利要求14所述的***,其特征在于,若像素点的亮度值大于等于0.2且饱和度的值大于等于0.2,则所述亮度量化单元判断若像素点的亮度值在0.2和0.7之间,则像素点的亮度值的量化值为0,若亮度v的值在0.7和1之间,则像素点的亮度值的量化值为1;所述饱和度量化单元判断若像素点的饱和度值在0.2和0.65之间,则像素点的饱和度值的量化值为0,若像素点的饱和度值在0.65和1之间,则像素点的饱和度值的量化值为1;所述色调量化单元对像素点的色调值进行非均匀模糊量化处理。
16.根据权利要求9所述的***,其特征在于,所述颜色空间表示获取模块,将所述图像的像素由红绿蓝RGB颜色空间表示转换为HSV颜色空间表示,其中,色调的取值范围为0到360,饱和度的取值范围为0到1,亮度的取值范围为0到1。
17.根据权利要求9所述的***,其特征在于,所述颜色特征向量比较模块将所述图像的颜色特征向量与其他图像的颜色特征向量进行比较,根据颜色特征向量间的绝对值距离或者欧氏距离计算所述图像和其他图像的相似度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210365623.XA CN103699532B (zh) | 2012-09-27 | 2012-09-27 | 图像颜色检索方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210365623.XA CN103699532B (zh) | 2012-09-27 | 2012-09-27 | 图像颜色检索方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103699532A true CN103699532A (zh) | 2014-04-02 |
CN103699532B CN103699532B (zh) | 2017-08-25 |
Family
ID=50361063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210365623.XA Active CN103699532B (zh) | 2012-09-27 | 2012-09-27 | 图像颜色检索方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103699532B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488510A (zh) * | 2015-11-20 | 2016-04-13 | 上海华力创通半导体有限公司 | 静态图片的颜色直方图的构建方法及其*** |
CN105740789A (zh) * | 2016-01-26 | 2016-07-06 | 浙江捷尚视觉科技股份有限公司 | 一种基于颜色特征的视频目标检索方法 |
CN105913460A (zh) * | 2015-11-26 | 2016-08-31 | 乐视致新电子科技(天津)有限公司 | 一种肤色检测方法及装置 |
CN106599185A (zh) * | 2016-12-14 | 2017-04-26 | 北京微智信业科技有限公司 | 基于hsv的图像相似度识别方法 |
CN107358635A (zh) * | 2017-07-19 | 2017-11-17 | 辽宁工程技术大学 | 一种基于模糊相似性的彩色形态学图像处理方法 |
CN108279238A (zh) * | 2018-01-30 | 2018-07-13 | 深圳春沐源控股有限公司 | 一种果实成熟度判断方法及装置 |
CN108804475A (zh) * | 2017-05-05 | 2018-11-13 | 北京京东尚科信息技术有限公司 | 搜索颜色相似图片的方法和装置 |
CN110533622A (zh) * | 2019-08-27 | 2019-12-03 | 辽宁东智威视科技有限公司 | 一种图片合成中参数自动化配置方法 |
CN110647910A (zh) * | 2019-08-12 | 2020-01-03 | 浙江浩腾电子科技股份有限公司 | 一种基于颜色量化的图像相似度计算方法 |
CN110717444A (zh) * | 2019-10-09 | 2020-01-21 | 北京明略软件***有限公司 | 一种口红色号识别方法及装置 |
CN110728722A (zh) * | 2019-09-18 | 2020-01-24 | 苏宁云计算有限公司 | 图像颜色迁移方法、装置、计算机设备和存储介质 |
CN111787671A (zh) * | 2020-07-15 | 2020-10-16 | 江门市征极光兆科技有限公司 | 一种基于影视画面同步灯光氛围的控制方法 |
CN113096149A (zh) * | 2019-12-23 | 2021-07-09 | 北矿机电科技有限责任公司 | 一种基于色彩三要素的摇床矿带分割方法 |
CN113127670A (zh) * | 2019-12-31 | 2021-07-16 | 飞书数字科技(上海)有限公司 | 目标颜色搜索的方法、装置、存储介质与处理器 |
CN114638826A (zh) * | 2022-05-13 | 2022-06-17 | 河南银金达新材料股份有限公司 | 一种光致变色阻隔膜的光学疲劳度检测方法 |
CN115830352A (zh) * | 2023-02-20 | 2023-03-21 | 深圳中微电科技有限公司 | 一种图像相似度对比方法、装置及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090087016A1 (en) * | 2007-09-28 | 2009-04-02 | Alexander Berestov | Content based adjustment of an image |
CN101763429A (zh) * | 2010-01-14 | 2010-06-30 | 中山大学 | 一种基于颜色和形状特征的图像检索方法 |
-
2012
- 2012-09-27 CN CN201210365623.XA patent/CN103699532B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090087016A1 (en) * | 2007-09-28 | 2009-04-02 | Alexander Berestov | Content based adjustment of an image |
CN101763429A (zh) * | 2010-01-14 | 2010-06-30 | 中山大学 | 一种基于颜色和形状特征的图像检索方法 |
Non-Patent Citations (2)
Title |
---|
于仕: ""基于颜色特征的图像检索技术研究"", 《中国优秀硕士学位论文全文数据库(信息科技辑)》 * |
鲍锡义,等: ""一种色调变化模糊量化方法"", 《西安科技大学学报》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488510A (zh) * | 2015-11-20 | 2016-04-13 | 上海华力创通半导体有限公司 | 静态图片的颜色直方图的构建方法及其*** |
CN105488510B (zh) * | 2015-11-20 | 2019-01-15 | 上海华力创通半导体有限公司 | 静态图片的颜色直方图的构建方法及其*** |
CN105913460A (zh) * | 2015-11-26 | 2016-08-31 | 乐视致新电子科技(天津)有限公司 | 一种肤色检测方法及装置 |
CN105740789A (zh) * | 2016-01-26 | 2016-07-06 | 浙江捷尚视觉科技股份有限公司 | 一种基于颜色特征的视频目标检索方法 |
CN105740789B (zh) * | 2016-01-26 | 2018-12-07 | 浙江捷尚视觉科技股份有限公司 | 一种基于颜色特征的视频目标检索方法 |
CN106599185B (zh) * | 2016-12-14 | 2020-10-23 | 北京微智信业科技有限公司 | 基于hsv的图像相似度识别方法 |
CN106599185A (zh) * | 2016-12-14 | 2017-04-26 | 北京微智信业科技有限公司 | 基于hsv的图像相似度识别方法 |
CN108804475A (zh) * | 2017-05-05 | 2018-11-13 | 北京京东尚科信息技术有限公司 | 搜索颜色相似图片的方法和装置 |
CN107358635A (zh) * | 2017-07-19 | 2017-11-17 | 辽宁工程技术大学 | 一种基于模糊相似性的彩色形态学图像处理方法 |
CN107358635B (zh) * | 2017-07-19 | 2020-11-03 | 辽宁工程技术大学 | 一种基于模糊相似性的彩色形态学图像处理方法 |
CN108279238A (zh) * | 2018-01-30 | 2018-07-13 | 深圳春沐源控股有限公司 | 一种果实成熟度判断方法及装置 |
CN110647910A (zh) * | 2019-08-12 | 2020-01-03 | 浙江浩腾电子科技股份有限公司 | 一种基于颜色量化的图像相似度计算方法 |
CN110533622A (zh) * | 2019-08-27 | 2019-12-03 | 辽宁东智威视科技有限公司 | 一种图片合成中参数自动化配置方法 |
CN110533622B (zh) * | 2019-08-27 | 2022-03-25 | 辽宁东智威视科技有限公司 | 一种图片合成中参数自动化配置方法 |
CN110728722A (zh) * | 2019-09-18 | 2020-01-24 | 苏宁云计算有限公司 | 图像颜色迁移方法、装置、计算机设备和存储介质 |
CN110728722B (zh) * | 2019-09-18 | 2022-08-02 | 苏宁云计算有限公司 | 图像颜色迁移方法、装置、计算机设备和存储介质 |
CN110717444A (zh) * | 2019-10-09 | 2020-01-21 | 北京明略软件***有限公司 | 一种口红色号识别方法及装置 |
CN113096149A (zh) * | 2019-12-23 | 2021-07-09 | 北矿机电科技有限责任公司 | 一种基于色彩三要素的摇床矿带分割方法 |
CN113096149B (zh) * | 2019-12-23 | 2023-11-10 | 北矿机电科技有限责任公司 | 一种基于色彩三要素的摇床矿带分割方法 |
CN113127670A (zh) * | 2019-12-31 | 2021-07-16 | 飞书数字科技(上海)有限公司 | 目标颜色搜索的方法、装置、存储介质与处理器 |
CN111787671A (zh) * | 2020-07-15 | 2020-10-16 | 江门市征极光兆科技有限公司 | 一种基于影视画面同步灯光氛围的控制方法 |
CN114638826A (zh) * | 2022-05-13 | 2022-06-17 | 河南银金达新材料股份有限公司 | 一种光致变色阻隔膜的光学疲劳度检测方法 |
CN115830352A (zh) * | 2023-02-20 | 2023-03-21 | 深圳中微电科技有限公司 | 一种图像相似度对比方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103699532B (zh) | 2017-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103699532A (zh) | 图像颜色检索方法和*** | |
WO2018028583A1 (zh) | 字幕提取方法及装置、存储介质 | |
US20180181594A1 (en) | Searching Method and Apparatus | |
CN102509118B (zh) | 一种监控视频检索方法 | |
CN102176208B (zh) | 基于三维空时特征的鲁棒视频指纹方法 | |
Küçüktunç et al. | Fuzzy color histogram-based video segmentation | |
EP2587826A1 (en) | Extraction and association method and system for objects of interest in video | |
US20130258198A1 (en) | Video search system and method | |
US9075876B2 (en) | Search method for video clip | |
US9596520B2 (en) | Method and system for pushing information to a client | |
CN101388020A (zh) | 一种基于内容的复合型图像检索方法 | |
JP4506409B2 (ja) | 領域分割方法及び装置、画像認識処理装置、プログラム、記録媒体 | |
CN104410867A (zh) | 改进的视频镜头检测方法 | |
CN114926826A (zh) | 场景文本检测*** | |
KR20100071822A (ko) | 이미지에서의 의류 검출 장치와 그 방법 | |
Yang et al. | No‐reference image quality assessment via structural information fluctuation | |
Zheng et al. | Study on image retrieval based on image texture and color statistical projection | |
CN111898544B (zh) | 文字图像匹配方法、装置和设备及计算机存储介质 | |
Kong et al. | Full-reference IPTV image quality assessment by deeply learning structural cues | |
Lizarraga-Morales et al. | Integration of color and texture cues in a rough set–based segmentation method | |
US20150026013A1 (en) | System and methods for cognitive visual product search | |
Sekhar et al. | An object-based splicing forgery detection using multiple noise features | |
Glotin et al. | Efficient image concept indexing by harmonic & arithmetic profiles entropy | |
KR20150073409A (ko) | 동영상의 근복사 검출 방법 및 시스템 | |
Yang et al. | Image perception hash and structural similarity fusion model for parking lot status recognition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |