JP2002319024A - 色と質感との組み合わせに基づく映像検索方法 - Google Patents
色と質感との組み合わせに基づく映像検索方法Info
- Publication number
- JP2002319024A JP2002319024A JP2002002803A JP2002002803A JP2002319024A JP 2002319024 A JP2002319024 A JP 2002319024A JP 2002002803 A JP2002002803 A JP 2002002803A JP 2002002803 A JP2002002803 A JP 2002002803A JP 2002319024 A JP2002319024 A JP 2002319024A
- Authority
- JP
- Japan
- Prior art keywords
- distance
- color
- image
- texture
- area
- 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.)
- Pending
Links
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
- G06F16/5862—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 texture
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S707/00—Data processing: database and file management or data structures
- Y10S707/99931—Database or file accessing
- Y10S707/99933—Query processing, i.e. searching
- Y10S707/99936—Pattern matching access
Landscapes
- Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Processing Or Creating Images (AREA)
Abstract
(57)【要約】
【課題】 色特徴及び質感特徴を適切に組み合わせるこ
とにより検索性能がより向上させられた映像検索方法を
提供する。 【解決手段】 映像検索方法に、（ａ）クエリー映像と
データ映像との間の色距離及び質感距離を求める段階１
０２と、（ｂ）所定の重み付け値を用いて色距離及び質
感距離を重み付けする段階１０４と、（ｃ）人間の視覚
的な特性を考慮して重み付けされた色距離及び質感距離
を組み合わせた特徴距離を求める段階１０６と、（ｄ）
組み合わせられた特徴距離を用いてクエリー映像と類似
した映像を決める段階１０８とを設けた。これにより、
領域映像から抽出された色及び質感特徴を用いてこれら
の情報を同時に組み合わせることにより、人間の視覚的
なメカニズムにより見合う検索結果が得られる。特に、
領域別検索により一つの映像にある多くの物体及び情報
を少ない計算により一層精度良く検索することが可能で
ある。
とにより検索性能がより向上させられた映像検索方法を
提供する。 【解決手段】 映像検索方法に、（ａ）クエリー映像と
データ映像との間の色距離及び質感距離を求める段階１
０２と、（ｂ）所定の重み付け値を用いて色距離及び質
感距離を重み付けする段階１０４と、（ｃ）人間の視覚
的な特性を考慮して重み付けされた色距離及び質感距離
を組み合わせた特徴距離を求める段階１０６と、（ｄ）
組み合わせられた特徴距離を用いてクエリー映像と類似
した映像を決める段階１０８とを設けた。これにより、
領域映像から抽出された色及び質感特徴を用いてこれら
の情報を同時に組み合わせることにより、人間の視覚的
なメカニズムにより見合う検索結果が得られる。特に、
領域別検索により一つの映像にある多くの物体及び情報
を少ない計算により一層精度良く検索することが可能で
ある。
Description
【０００１】
【発明の属する技術分野】本発明は映像を検索する方法
に係り、より詳細には、映像を用いた検索において、人
間の視覚に最も敏感な特徴である色及び質感を表わす記
述子に基づく映像検索方法に関する。
に係り、より詳細には、映像を用いた検索において、人
間の視覚に最も敏感な特徴である色及び質感を表わす記
述子に基づく映像検索方法に関する。
【０００２】
【従来の技術】近年、マルチメディア資料の量が急増す
るに伴い、マルチメディア資料を効率良く管理するため
の検索及びデータベース分野に関する研究が盛んになり
つつある。特に、映像検索分野においては、既存のテキ
ストに基づく検索に取り替わるか、あるいはそれを補充
する検索方法が重点的に研究されている。テキストに基
づく検索を用いる場合、膨大な資料を含むデータベース
から所望の資料を検索するためには相当の手間がかか
り、部分的な特徴を用いた検索や定量的な検索が難し
い。したがって、これを克服するために、マルチメディ
ア資料の特徴を適切に表わす数値的な記述子を用いる方
法が試みられている。
るに伴い、マルチメディア資料を効率良く管理するため
の検索及びデータベース分野に関する研究が盛んになり
つつある。特に、映像検索分野においては、既存のテキ
ストに基づく検索に取り替わるか、あるいはそれを補充
する検索方法が重点的に研究されている。テキストに基
づく検索を用いる場合、膨大な資料を含むデータベース
から所望の資料を検索するためには相当の手間がかか
り、部分的な特徴を用いた検索や定量的な検索が難し
い。したがって、これを克服するために、マルチメディ
ア資料の特徴を適切に表わす数値的な記述子を用いる方
法が試みられている。
【０００３】一方、特徴記述子は、人間の視覚に最も敏
感な特徴である色特徴及び質感特徴をよく表現できる。
従来の映像検索方法によれば、特徴記述子によりインデ
ックシングされた映像データベース内において、前記特
徴記述子により表現される特徴に基づき検索が行われ
る。色特徴を用いて映像検索を行う従来の映像検索の一
例によれば、まず色ベクトルを抽出し、抽出された色ベ
クトルを量子化し、量子化した色ベクトルから代表色ベ
クトルを求めた後、求めた代表色ベクトルを用いて映像
検索を行う。また、質感特徴を用いて映像検索を行う従
来の映像検索方法の一例によれば、コー−オカレンス行
列やガウスマルコブランダムフィールド（ＧＭＲＦ：Ｇ
ａｕｓｓｉａｎ Ｍａｒｋｏｖ Ｒａｎｄｏｍ Ｆｉｅｌ
ｄ）モデルを用いる。最近では、質感特徴を抽出するた
めに、人間の視覚的なメカニズムと類似した多チャンネ
ル接近が適用されるガボールフィルターが用いられてい
る。
感な特徴である色特徴及び質感特徴をよく表現できる。
従来の映像検索方法によれば、特徴記述子によりインデ
ックシングされた映像データベース内において、前記特
徴記述子により表現される特徴に基づき検索が行われ
る。色特徴を用いて映像検索を行う従来の映像検索の一
例によれば、まず色ベクトルを抽出し、抽出された色ベ
クトルを量子化し、量子化した色ベクトルから代表色ベ
クトルを求めた後、求めた代表色ベクトルを用いて映像
検索を行う。また、質感特徴を用いて映像検索を行う従
来の映像検索方法の一例によれば、コー−オカレンス行
列やガウスマルコブランダムフィールド（ＧＭＲＦ：Ｇ
ａｕｓｓｉａｎ Ｍａｒｋｏｖ Ｒａｎｄｏｍ Ｆｉｅｌ
ｄ）モデルを用いる。最近では、質感特徴を抽出するた
めに、人間の視覚的なメカニズムと類似した多チャンネ
ル接近が適用されるガボールフィルターが用いられてい
る。
【０００４】しかしながら、前述のような従来の映像検
索方法においては、色検索及び質感検索が各々独立的に
行われる。また、抽出される色特徴または質感特徴は映
像全体を対象とする。このため、映像内に多数の物体が
存在するか、あるいは極めて様々な色や質感を含んでい
る場合には適切な検索が行われ難く、色特徴または質感
特徴のいずれか一方を用いた検索だけが可能であるた
め、適切ではない検索結果が得られる可能性があるとい
う問題点がある。
索方法においては、色検索及び質感検索が各々独立的に
行われる。また、抽出される色特徴または質感特徴は映
像全体を対象とする。このため、映像内に多数の物体が
存在するか、あるいは極めて様々な色や質感を含んでい
る場合には適切な検索が行われ難く、色特徴または質感
特徴のいずれか一方を用いた検索だけが可能であるた
め、適切ではない検索結果が得られる可能性があるとい
う問題点がある。
【０００５】前述のような問題点を解決するために、従
来の他の映像検索方法によれば、色ベクトル成分及び質
感ベクトル成分を合わせて統合されたベクトル空間を設
定し、設定されたベクトル空間に基づき映像を検索す
る。しかし、前記のような映像検索方法によれば、統合
されたベクトル空間は色ベクトル成分及び質感ベクトル
成分を単に合わせて設定される。このため、ベクトル空
間の次元数が増し、次元数の増したベクトル空間に関す
る距離関数を再び定義しなければならず、各々の要素に
よる重み付け値を定めなければならないという煩わしさ
が生じる。このため、計算が複雑であり過ぎたり、ある
いは適切ではない結果を招いたりするという問題があ
る。
来の他の映像検索方法によれば、色ベクトル成分及び質
感ベクトル成分を合わせて統合されたベクトル空間を設
定し、設定されたベクトル空間に基づき映像を検索す
る。しかし、前記のような映像検索方法によれば、統合
されたベクトル空間は色ベクトル成分及び質感ベクトル
成分を単に合わせて設定される。このため、ベクトル空
間の次元数が増し、次元数の増したベクトル空間に関す
る距離関数を再び定義しなければならず、各々の要素に
よる重み付け値を定めなければならないという煩わしさ
が生じる。このため、計算が複雑であり過ぎたり、ある
いは適切ではない結果を招いたりするという問題があ
る。
【０００６】
【発明が解決しようとする課題】本発明の目的は、色特
徴及び質感特徴を適切に組み合わせることにより検索性
能が一層向上した映像検索方法を提供することである。
徴及び質感特徴を適切に組み合わせることにより検索性
能が一層向上した映像検索方法を提供することである。
【０００７】
【課題を解決するための手段】前記目的は、本発明によ
り、人間の視覚的特性を考慮して色距離及び質感距離を
組み合わせた特徴距離を求め、組み合わせられた特徴距
離を用いてクエリー映像と類似した映像を検索する段階
を含むことを特徴とする映像検索方法によって達成され
る。
り、人間の視覚的特性を考慮して色距離及び質感距離を
組み合わせた特徴距離を求め、組み合わせられた特徴距
離を用いてクエリー映像と類似した映像を検索する段階
を含むことを特徴とする映像検索方法によって達成され
る。
【０００８】また、前記目的は、映像データベース内で
クエリー映像と類似した映像を検索する方法において、
（ａ）クエリー映像と映像データベース内に貯蔵された
データ映像との間の色距離及び質感距離を求める段階
と、（ｂ）所定の重み付け値を用いて色距離及び質感距
離を重み付けする段階と、（ｃ）人間の視覚的特性を考
慮して重み付けされた色距離及び質感距離を組み合わせ
た特徴距離を求める段階と、（ｄ）組み合わせられた特
徴距離を用いてクエリー映像と類似した映像を決める段
階とを含むことを特徴とする映像検索方法によっても達
成される。
クエリー映像と類似した映像を検索する方法において、
（ａ）クエリー映像と映像データベース内に貯蔵された
データ映像との間の色距離及び質感距離を求める段階
と、（ｂ）所定の重み付け値を用いて色距離及び質感距
離を重み付けする段階と、（ｃ）人間の視覚的特性を考
慮して重み付けされた色距離及び質感距離を組み合わせ
た特徴距離を求める段階と、（ｄ）組み合わせられた特
徴距離を用いてクエリー映像と類似した映像を決める段
階とを含むことを特徴とする映像検索方法によっても達
成される。
【０００９】望ましくは、前記（ａ）段階前に、（ｐａ
−１）色特徴を用いてクエリー映像及びデータ映像を分
割する段階と、（ｐａ−２）前記クエリー映像及びデー
タ映像のうち質感特徴を求めるためのサンプル領域を決
める段階とをさらに含む。
−１）色特徴を用いてクエリー映像及びデータ映像を分
割する段階と、（ｐａ−２）前記クエリー映像及びデー
タ映像のうち質感特徴を求めるためのサンプル領域を決
める段階とをさらに含む。
【００１０】望ましくは、前記（ａ）段階は、（ａ１）
分割された領域から色特徴を用いて色ベクトルを抽出
し、色距離を求める段階と、（ａ２）求められた領域か
ら質感特徴を用いて質感ベクトルを抽出し、質感距離を
求める段階とをさらに含む。
分割された領域から色特徴を用いて色ベクトルを抽出
し、色距離を求める段階と、（ａ２）求められた領域か
ら質感特徴を用いて質感ベクトルを抽出し、質感距離を
求める段階とをさらに含む。
【００１１】望ましくは、前記（ｐａ−１）段階は、与
えられた映像の色ベクトルを量子化する段階をさらに含
み、前記量子化段階は、（ｐａ−１−１）映像から雑音
を除去して平滑化するためにピアグループフィルタリン
グを行う段階と、（ｐａ−１−２）フィルタリングされ
たピクセル値に対し一般化したロイドアルゴリズムを用
いてクラスタリングを行う段階とを含む。
えられた映像の色ベクトルを量子化する段階をさらに含
み、前記量子化段階は、（ｐａ−１−１）映像から雑音
を除去して平滑化するためにピアグループフィルタリン
グを行う段階と、（ｐａ−１−２）フィルタリングされ
たピクセル値に対し一般化したロイドアルゴリズムを用
いてクラスタリングを行う段階とを含む。
【００１２】望ましくは、前記（ｐａ−１）段階は、色
量子化後に量子化した色の均一度を表わすＪ値を定義す
る段階と、量子化を通じて得られた色数よりなる映像の
各ピクセルの均一度であるＪ値を該当ピクセルに貯蔵す
ることによりＪ映像を得る段階と、Ｊ映像を所定の分割
方法により複数の領域に分割する段階と、前記Ｊ映像分
割段階を繰り返すことにより過領域化した領域地図を得
る段階と、色の相関性を用いた領域併合により最終領域
地図を得る段階とをさらに含む。
量子化後に量子化した色の均一度を表わすＪ値を定義す
る段階と、量子化を通じて得られた色数よりなる映像の
各ピクセルの均一度であるＪ値を該当ピクセルに貯蔵す
ることによりＪ映像を得る段階と、Ｊ映像を所定の分割
方法により複数の領域に分割する段階と、前記Ｊ映像分
割段階を繰り返すことにより過領域化した領域地図を得
る段階と、色の相関性を用いた領域併合により最終領域
地図を得る段階とをさらに含む。
【００１３】望ましくは、前記（ｐａ−１−２）段階
は、クラスターを分割または併合する所定のアルゴリズ
ムを適用してクラスタリングする段階を含む。
は、クラスターを分割または併合する所定のアルゴリズ
ムを適用してクラスタリングする段階を含む。
【００１４】望ましくは、前記色特徴は、代表色ベクト
ル及び前記代表色ベクトルの割合で表示される色特徴記
述子ｆc(Ｉk)で表現される。
ル及び前記代表色ベクトルの割合で表示される色特徴記
述子ｆc(Ｉk)で表現される。
【００１５】望ましくは、前記色特徴記述子ｆc(Ｉk)
は、ｋは領域の一連番号を表わす正の整数、
は、ｋは領域の一連番号を表わす正の整数、
【数１９】 はｋ番目の領域の代表色ベクトル、Ｐkiはｉ番目の代表
色ベクトルの割合、Ｎkはｋ番目の領域の代表色ベクト
ルの数であるとき、
色ベクトルの割合、Ｎkはｋ番目の領域の代表色ベクト
ルの数であるとき、
【数２０】 で表わされる。
【００１６】望ましくは、前記映像検索段階は、分割さ
れた領域の代表色及びその割合を用いて特徴ベクトル空
間をインデックシングする段階をさらに含み、前記イン
デックシング段階は、格子構造を有する色空間の格子点
に代表色を割り当てる段階と、割り当てられた結果を分
離表の形のデータベースに貯蔵する段階とを含む。
れた領域の代表色及びその割合を用いて特徴ベクトル空
間をインデックシングする段階をさらに含み、前記イン
デックシング段階は、格子構造を有する色空間の格子点
に代表色を割り当てる段階と、割り当てられた結果を分
離表の形のデータベースに貯蔵する段階とを含む。
【００１７】望ましくは、前記色距離は、一つの領域は
クエリー映像領域、もう一つの領域はデータ映像領域、
Ｔdは二つの色が類似していると決める最大距離、αは
所定のスケーリング係数、ｄmaxはαＴd、ｄijは二つの
色ベクトルｃi及びｃjのユークリッド距離‖ｃi-ｃ
j‖、ａijはｄij≦Ｔdである時に１−ｄij／ｄmaxであ
り、ｄij≧Ｔdである時に０として定義される変数であ
るとした時、両領域間の色ベクトル間の距離を
クエリー映像領域、もう一つの領域はデータ映像領域、
Ｔdは二つの色が類似していると決める最大距離、αは
所定のスケーリング係数、ｄmaxはαＴd、ｄijは二つの
色ベクトルｃi及びｃjのユークリッド距離‖ｃi-ｃ
j‖、ａijはｄij≦Ｔdである時に１−ｄij／ｄmaxであ
り、ｄij≧Ｔdである時に０として定義される変数であ
るとした時、両領域間の色ベクトル間の距離を
【数２１】 により求める。
【００１８】望ましくは、前記（ａ２）段階は、ガボー
ル関数を用いる。
ル関数を用いる。
【００１９】望ましくは、前記（ａ２）段階は、Ｎ及び
Ｍを所定の正の整数とした時、Ｎ個の周波数チャンネル
及びＭ個の回転チャンネルを有したガボール関数を用い
て複数の領域に分割された領域から質感特徴ベクトルを
求める。
Ｍを所定の正の整数とした時、Ｎ個の周波数チャンネル
及びＭ個の回転チャンネルを有したガボール関数を用い
て複数の領域に分割された領域から質感特徴ベクトルを
求める。
【００２０】望ましくは、前記質感特徴は、ｍkijを領
域Ｉkのｉ番目の周波数チャンネル及びｊ番目の回転チ
ャンネルの平均、σkijを領域Ｉkのｉ番目の周波数チャ
ンネル及びｊ番目の回転チャンネルの偏差とした時、
域Ｉkのｉ番目の周波数チャンネル及びｊ番目の回転チ
ャンネルの平均、σkijを領域Ｉkのｉ番目の周波数チャ
ンネル及びｊ番目の回転チャンネルの偏差とした時、
【数２２】 を含む質感特徴記述子ｆc(Ｉk)に基づく。
【００２１】望ましくは、前記（ａ２）段階は、一つの
領域はクエリー映像領域、もう一つの領域はデータ映像
領域とした時、両領域間の質感ベクトルを用いた距離関
数
領域はクエリー映像領域、もう一つの領域はデータ映像
領域とした時、両領域間の質感ベクトルを用いた距離関
数
【数２３】 を用いる。
【００２２】望ましくは、前記（ｐａ−２）段階は、
（ｐｂ−１）格子領域地図を得る段階と、（ｐｂ−２）
前記格子領域地図に基づき要求される大きさの質感サン
プルを得る段階とを含む。
（ｐｂ−１）格子領域地図を得る段階と、（ｐｂ−２）
前記格子領域地図に基づき要求される大きさの質感サン
プルを得る段階とを含む。
【００２３】望ましくは、前記（ｐｂ−１）段階は、
（ｐｂ−１−１）ｉは０≦ｉ≦ｎ、ｊは０≦ｊ≦ｍとし
た時、サンプルを得ようとする領域の上下左右方向の最
大値によりなされた四角形Ｍ(ｉ,ｊ)を取る段階と、
（ｐｂ−１−２）四角形の内部をｌ×ｌの大きさの四角
形を用いて分割する段階と、（ｐｂ−１−３）ｉは
（ｐｂ−１−１）ｉは０≦ｉ≦ｎ、ｊは０≦ｊ≦ｍとし
た時、サンプルを得ようとする領域の上下左右方向の最
大値によりなされた四角形Ｍ(ｉ,ｊ)を取る段階と、
（ｐｂ−１−２）四角形の内部をｌ×ｌの大きさの四角
形を用いて分割する段階と、（ｐｂ−１−３）ｉは
【数２４】 ｊは
【数２５】 であり、ｘ及びｙは各々０≦ｘ≦ｌ−１、０≦ｙ≦ｌ−
１であり、Ｐij(ｘ,ｙ)はＭ(ｉｌ＋ｘ,ｊｌ＋ｙ)の領域
内に属する一つの点とした時、分割された格子の内部が
いずれも所望の領域に含まれている場合に１と定め、そ
うでない場合に０と定める所定の関数
１であり、Ｐij(ｘ,ｙ)はＭ(ｉｌ＋ｘ,ｊｌ＋ｙ)の領域
内に属する一つの点とした時、分割された格子の内部が
いずれも所望の領域に含まれている場合に１と定め、そ
うでない場合に０と定める所定の関数
【数２６】 を計算することにより格子領域地図を得る段階とを含
む。
む。
【００２４】望ましくは、前記（ｐｂ−１−３）段階後
に、（ｐｂ−１−４） 前記（ｐｂ−１−３）段階によ
り得られた格子領域地図を
に、（ｐｂ−１−４） 前記（ｐｂ−１−３）段階によ
り得られた格子領域地図を
【数２７】 を繰り返して計算することにより距離格子領域地図に変
換する段階と、（ｐｂ−１−５） 最も深い地点に位置
している大きい距離値を有した地点
換する段階と、（ｐｂ−１−５） 最も深い地点に位置
している大きい距離値を有した地点
【数２８】 をシードに用いて
【数２９】 を満足する範囲内で上下左右に拡張していきつつそのう
ち最も大きい広さを有した直四角形を抽出する段階とを
さらに含む。
ち最も大きい広さを有した直四角形を抽出する段階とを
さらに含む。
【００２５】望ましくは、前記（ｐｂ−１−５）段階
は、前記（ｐｂ−１−５）段階により抽出された直四角
形を所望の質感サンプルの大きさに合わせて付け加える
段階をさらに含んだり、抽出された直四角形をミラーリ
ングして所望の質感サンプルの大きさに合わせる段階を
さらに含む。
は、前記（ｐｂ−１−５）段階により抽出された直四角
形を所望の質感サンプルの大きさに合わせて付け加える
段階をさらに含んだり、抽出された直四角形をミラーリ
ングして所望の質感サンプルの大きさに合わせる段階を
さらに含む。
【００２６】望ましくは、前記（ｂ）段階は、（ｂ−
１）色距離及びその重み付け値として定義される２次元
ベクトル空間、及び質感距離及びその重み付け値として
定義される２次元ベクトル空間に位置づける段階と、
（ｂ−２）２次元ベクトル空間上に投影された結果を人
間の視覚的なメカニズムに基づき定義される１次元距離
空間に投影する段階とを含む。
１）色距離及びその重み付け値として定義される２次元
ベクトル空間、及び質感距離及びその重み付け値として
定義される２次元ベクトル空間に位置づける段階と、
（ｂ−２）２次元ベクトル空間上に投影された結果を人
間の視覚的なメカニズムに基づき定義される１次元距離
空間に投影する段階とを含む。
【００２７】望ましくは、前記色距離に対する所定の重
み付け値は、代表色の割合の分布に基づき決められ、特
に、Ｐqiをクエリー映像領域のｉ番目の代表色の割合と
した時、
み付け値は、代表色の割合の分布に基づき決められ、特
に、Ｐqiをクエリー映像領域のｉ番目の代表色の割合と
した時、
【数３０】 により決められる。
【００２８】望ましくは、前記質感距離は、Ｉqはクエ
リー映像またはクエリー領域を表わし、ｓは所望の大き
さのサンプル領域を表わし、Ａ（．）は抽出されたサン
プル領域の広さ、ｃｏｕｎｔ（．）は所望の大きさを得
るためにサンプル領域を付け加えた回数、ａは定数とし
た時、
リー映像またはクエリー領域を表わし、ｓは所望の大き
さのサンプル領域を表わし、Ａ（．）は抽出されたサン
プル領域の広さ、ｃｏｕｎｔ（．）は所望の大きさを得
るためにサンプル領域を付け加えた回数、ａは定数とし
た時、
【数３１】 により定義される。
【００２９】望ましくは、前記質感距離に対する所定の
重み付け値は、クエリー映像から抽出された初期サンプ
ル領域の広さ及びデータ映像から抽出された初期サンプ
ル領域の広さに基づき決められ、Ｉqはクエリー映像ま
たはクエリー領域を表わし、ｓはサンプル領域を表わ
し、Ａ（．）は抽出されたサンプル領域の広さ、ｃｏｕ
ｎｔ（．）は所望の大きさを得るためにサンプル領域を
付け加えた回数、ａは定数とした時、
重み付け値は、クエリー映像から抽出された初期サンプ
ル領域の広さ及びデータ映像から抽出された初期サンプ
ル領域の広さに基づき決められ、Ｉqはクエリー映像ま
たはクエリー領域を表わし、ｓはサンプル領域を表わ
し、Ａ（．）は抽出されたサンプル領域の広さ、ｃｏｕ
ｎｔ（．）は所望の大きさを得るためにサンプル領域を
付け加えた回数、ａは定数とした時、
【数３２】 により決められる。
【００３０】望ましくは、前記（ｂ−２）段階前に、色
距離及び質感距離を各々正規化する段階をさらに含む。
距離及び質感距離を各々正規化する段階をさらに含む。
【００３１】望ましくは、前記正規化段階は、ガウス正
規化方法に基づき、特に、数列νkがガウス数列であ
り、μkは平均、σkは偏差とした時、
規化方法に基づき、特に、数列νkがガウス数列であ
り、μkは平均、σkは偏差とした時、
【数３３】 を用いて［−１、１］の間に配置する段階と、
【数３４】 を用いて［０、１］の間にマッピングする段階とを含
む。
む。
【００３２】望ましくは、前記正規化段階は、ｋは定数
とした時、
とした時、
【数３５】 の条件を満足するまで最も距離が遠い質感距離を除外し
ていきつつ平均及び偏差を求め、求めた平均及び偏差を
用いて正規化作業を行う段階をさらに含む。
ていきつつ平均及び偏差を求め、求めた平均及び偏差を
用いて正規化作業を行う段階をさらに含む。
【００３３】望ましくは、前記（ｂ−２）段階は、（ｂ
−２−１）Ｗcはωc／(ωc＋ωt)、Ｗtはωt／(ωc＋ω
t)として定義されるとした時、正規化した各々の色、質
感距離を
−２−１）Ｗcはωc／(ωc＋ωt)、Ｗtはωt／(ωc＋ω
t)として定義されるとした時、正規化した各々の色、質
感距離を
【数３６】 により１次元距離空間に投影する段階を含む。
【００３４】
【発明の実施の形態】以下、添付した図面を参照して本
発明の望ましい実施形態を詳細に説明する。
発明の望ましい実施形態を詳細に説明する。
【００３５】本発明の映像検索方法によれば、特徴記述
子を用いてインデックシングされた映像データベース内
においてクエリー映像と類似した特徴を有するデータ映
像を抽出する。図１は、本発明の実施形態による映像検
索方法の主な段階を示したフローチャートである。図１
を参照すれば、本発明の実施形態による映像検索方法に
おいては、まず、クエリー映像と映像データベース内に
貯蔵されたデータ映像との間の色距離及び質感距離を求
める（段階１０２）。
子を用いてインデックシングされた映像データベース内
においてクエリー映像と類似した特徴を有するデータ映
像を抽出する。図１は、本発明の実施形態による映像検
索方法の主な段階を示したフローチャートである。図１
を参照すれば、本発明の実施形態による映像検索方法に
おいては、まず、クエリー映像と映像データベース内に
貯蔵されたデータ映像との間の色距離及び質感距離を求
める（段階１０２）。
【００３６】一方、本実施形態においては、映像データ
ベース内に貯蔵された映像は色及び／または質感特徴に
より複数の領域に分割されていると仮定する。また、複
数の領域に分割されたある映像内に映像データベースか
ら探そうとする領域映像が与えられると仮定する。ま
た、任意のある領域を映像データベースから探そうとす
る領域映像として決め、決められた領域をクエリー領域
映像と称する。本発明の実施形態による映像検索方法に
おいては、クエリー映像領域と視覚的に類似した特徴を
有する映像を映像データベースから検索する。
ベース内に貯蔵された映像は色及び／または質感特徴に
より複数の領域に分割されていると仮定する。また、複
数の領域に分割されたある映像内に映像データベースか
ら探そうとする領域映像が与えられると仮定する。ま
た、任意のある領域を映像データベースから探そうとす
る領域映像として決め、決められた領域をクエリー領域
映像と称する。本発明の実施形態による映像検索方法に
おいては、クエリー映像領域と視覚的に類似した特徴を
有する映像を映像データベースから検索する。
【００３７】まず、色を用いて特徴ベクトルを抽出し、
色距離を求める過程を説明する。図２は、色特徴を用い
て映像データベースをインデックシングする方法の一例
を示したものである。図２を参照すれば、まず、与えら
れた映像の色ベクトルを量子化する（段階２０２）。図
３Ａは、色特徴により分割される映像の一例を示したも
のであり、図３Ｂは、図３Ａの映像を量子化した色ベク
トルにより表現したものである。次に、本実施形態にお
いては、映像から雑音を除去して平滑化するためにピア
グループフィルタリングを行う（段階２０４）。ピアグ
ループフィルタリングは、本出願人により２０００．
２．３日付けで出願され、本明細書に参照として統合さ
れる特許出願ＰＣＴ／ＫＲ００／０００９０号公報に開
示されている。次に、フィルタリングされたピクセル値
に対し一般化したロイドアルゴリズムを用いてクラスタ
リングを行う（段階２０６）。一般化したロイドアルゴ
リズムにおいてはクラスターの個数が固定されるが、場
合によってクラスターを分割または併合する所定のアル
ゴリズムを適用することも可能である。次に、色量子化
後に量子化した色の均一度を表わすＪ値を定義する（段
階２０８）。量子化を通じて得られた色数よりなる映像
の各ピクセルの均一度であるＪ値を該当ピクセルに貯蔵
することによりＪ映像を得る（段階２１０）。図３Ｃ
は、段階２１０により得られたＪ映像を示したものであ
る。次に、Ｊ映像を所定の分割方法により複数の領域に
分割する（段階２１２）。Ｊ値を用いた映像の分割は、
本出願人により２０００．３．２２日付けで出願され、
本明細書に参照として統合される特許出願ＰＣＴ／ＫＲ
００／００２４８号公報に開示されている。次に、分割
過程を繰り返すことにより過領域化した領域地図を得る
（段階２１４）。次に、色の相関性を用いた領域併合に
より最終領域地図を得る（段階２１６）。最終領域地図
を得ることにより分割が完了する。図３Ｄは、分割が完
了した映像を示したものである。
色距離を求める過程を説明する。図２は、色特徴を用い
て映像データベースをインデックシングする方法の一例
を示したものである。図２を参照すれば、まず、与えら
れた映像の色ベクトルを量子化する（段階２０２）。図
３Ａは、色特徴により分割される映像の一例を示したも
のであり、図３Ｂは、図３Ａの映像を量子化した色ベク
トルにより表現したものである。次に、本実施形態にお
いては、映像から雑音を除去して平滑化するためにピア
グループフィルタリングを行う（段階２０４）。ピアグ
ループフィルタリングは、本出願人により２０００．
２．３日付けで出願され、本明細書に参照として統合さ
れる特許出願ＰＣＴ／ＫＲ００／０００９０号公報に開
示されている。次に、フィルタリングされたピクセル値
に対し一般化したロイドアルゴリズムを用いてクラスタ
リングを行う（段階２０６）。一般化したロイドアルゴ
リズムにおいてはクラスターの個数が固定されるが、場
合によってクラスターを分割または併合する所定のアル
ゴリズムを適用することも可能である。次に、色量子化
後に量子化した色の均一度を表わすＪ値を定義する（段
階２０８）。量子化を通じて得られた色数よりなる映像
の各ピクセルの均一度であるＪ値を該当ピクセルに貯蔵
することによりＪ映像を得る（段階２１０）。図３Ｃ
は、段階２１０により得られたＪ映像を示したものであ
る。次に、Ｊ映像を所定の分割方法により複数の領域に
分割する（段階２１２）。Ｊ値を用いた映像の分割は、
本出願人により２０００．３．２２日付けで出願され、
本明細書に参照として統合される特許出願ＰＣＴ／ＫＲ
００／００２４８号公報に開示されている。次に、分割
過程を繰り返すことにより過領域化した領域地図を得る
（段階２１４）。次に、色の相関性を用いた領域併合に
より最終領域地図を得る（段階２１６）。最終領域地図
を得ることにより分割が完了する。図３Ｄは、分割が完
了した映像を示したものである。
【００３８】次に、分割された領域の代表色及びその割
合を用いて特徴ベクトル空間をインデックシングする
（段階２１８）。例えば、分割された領域の色特徴記述
子ｆc(Ｉk)は、下記式のように、代表色ベクトル及び前
記代表色ベクトルの割合で表わされる。
合を用いて特徴ベクトル空間をインデックシングする
（段階２１８）。例えば、分割された領域の色特徴記述
子ｆc(Ｉk)は、下記式のように、代表色ベクトル及び前
記代表色ベクトルの割合で表わされる。
【数３７】 ここで、ｋは領域の一連番号を表わす正の整数を、
【数３８】 はｋ番目の領域のｉ番目の代表色ベクトル（ｉ＝１−
Ｎ）を、Ｐkiはｉ番目の代表色ベクトルの割合を、Ｎk
はｋ番目の領域の代表色ベクトルの数を各々表わす。次
に、格子構造を有する色空間の格子点に代表色を割り当
てる。次に、インデックシングされた結果を分離表の形
のデータベースに貯蔵することにより、特徴ベクトル空
間内の特徴ベクトルをインデックシングする。
Ｎ）を、Ｐkiはｉ番目の代表色ベクトルの割合を、Ｎk
はｋ番目の領域の代表色ベクトルの数を各々表わす。次
に、格子構造を有する色空間の格子点に代表色を割り当
てる。次に、インデックシングされた結果を分離表の形
のデータベースに貯蔵することにより、特徴ベクトル空
間内の特徴ベクトルをインデックシングする。
【００３９】また、一つの領域はクエリー映像領域、も
う一つの領域はデータ映像領域とした時、両領域間の色
ベクトル間の距離は次のように表わされる。
う一つの領域はデータ映像領域とした時、両領域間の色
ベクトル間の距離は次のように表わされる。
【数３９】 ここで、Ｔdは二つの色が類似していると決める最大距
離、αは所定のスケーリング係数、ｄmaxはαＴd、ｄij
は二つの色ベクトルｃi及びｃjのユークリッド距離‖ｃ
i-ｃj‖、ａijはｄij≦Ｔdである時に１−(ｄij／
ｄmax)であり、ｄij≧Ｔdである時に０として定義され
るものである。
離、αは所定のスケーリング係数、ｄmaxはαＴd、ｄij
は二つの色ベクトルｃi及びｃjのユークリッド距離‖ｃ
i-ｃj‖、ａijはｄij≦Ｔdである時に１−(ｄij／
ｄmax)であり、ｄij≧Ｔdである時に０として定義され
るものである。
【００４０】次に、質感を用いて特徴ベクトルを抽出
し、質感距離を求める過程を説明する。図４は、質感に
基づき映像データベースをインデックシングする過程の
一例を示したものである。
し、質感距離を求める過程を説明する。図４は、質感に
基づき映像データベースをインデックシングする過程の
一例を示したものである。
【００４１】質感を分析する接近方法として、最近、多
チャンネルフィルタリングを用いた方法が多用されてい
る理由は、この方法が人間の視覚的な特性と大きく類似
しているということが精神物理学的な実験及び精神生理
学的な実験により証明されたからである。哺乳類の視覚
組織は、狭い幅の周波数及び回転の組み合わせに調律し
て認識するメカニズムを含む。このため、視覚組織の認
識メカニズムは複数のフィルターによる通過チャンネル
として解釈される。すなわち、このような通過チャンネ
ルは特定周波数及び回転角度の領域を有する帯域フィル
ターの通過チャンネルとして理解できる。このような多
チャンネルフィルタリング質感分析方法において最も重
要なのは、まずチャンネルの関数的な特徴及びそのチャ
ンネルの数を定めることである。また、フィルターを経
た映像から適切な質感特徴を抽出する作業と各々のチャ
ンネル間の関係、そして相異なるチャンネルから抽出し
た各々の質感特徴を適切に組み合わせる方法などが最も
重要な考慮対象となる。質感特徴を最もよくモデル化で
きる関数はガボール関数である。図４を参照すれば、本
実施形態においては、映像をガボールフィルタリングす
る（段階４０２）。映像のガボールフィルタリングのた
めに用いられる２次元ガボール関数は２次元ガウス関数
の変調であり、周波数領域においてこの２次元関数のス
ペクトルが移動したことを示した複素正弦関数であると
定義できる。この関数は、下記式のように表わされる。
チャンネルフィルタリングを用いた方法が多用されてい
る理由は、この方法が人間の視覚的な特性と大きく類似
しているということが精神物理学的な実験及び精神生理
学的な実験により証明されたからである。哺乳類の視覚
組織は、狭い幅の周波数及び回転の組み合わせに調律し
て認識するメカニズムを含む。このため、視覚組織の認
識メカニズムは複数のフィルターによる通過チャンネル
として解釈される。すなわち、このような通過チャンネ
ルは特定周波数及び回転角度の領域を有する帯域フィル
ターの通過チャンネルとして理解できる。このような多
チャンネルフィルタリング質感分析方法において最も重
要なのは、まずチャンネルの関数的な特徴及びそのチャ
ンネルの数を定めることである。また、フィルターを経
た映像から適切な質感特徴を抽出する作業と各々のチャ
ンネル間の関係、そして相異なるチャンネルから抽出し
た各々の質感特徴を適切に組み合わせる方法などが最も
重要な考慮対象となる。質感特徴を最もよくモデル化で
きる関数はガボール関数である。図４を参照すれば、本
実施形態においては、映像をガボールフィルタリングす
る（段階４０２）。映像のガボールフィルタリングのた
めに用いられる２次元ガボール関数は２次元ガウス関数
の変調であり、周波数領域においてこの２次元関数のス
ペクトルが移動したことを示した複素正弦関数であると
定義できる。この関数は、下記式のように表わされる。
【数４０】
【数４１】
【数４２】
【数４３】 ここで、λは映像比、δ2は分散を表わす。
【００４２】一方、放射状帯域幅をＢとし、回転帯域幅
をΩとした時、放射状帯域幅Ｂ及び回転帯域幅Ωは、ガ
ボール関数の冗長を減らすために、２次元ガボールフィ
ルターの各チャンネルフィルターの空間−周波数応答の
大きさの約半分に当たる値が互いに同一になるように決
められる。図５は、２次元ガボール関数の約半分の値を
有する空間−周波数応答の一例を示したものである。図
５を参照すれば、第１チャンネル５０２は第２チャンネ
ル５０４と同一のスケールを有するものの、異なる方向
性を有する。また、第１チャンネル５０２は第３チャン
ネル５０６とは異なるスケールを有するものの、同一の
方向性を有する。映像のガボールフィルタリングは前述
したガボール関数及び映像をコンボルーションすること
により行われ、相異なる方向性及びスケールを有するフ
ィルターによってフィルタリングされた相異なる映像を
出力する。
をΩとした時、放射状帯域幅Ｂ及び回転帯域幅Ωは、ガ
ボール関数の冗長を減らすために、２次元ガボールフィ
ルターの各チャンネルフィルターの空間−周波数応答の
大きさの約半分に当たる値が互いに同一になるように決
められる。図５は、２次元ガボール関数の約半分の値を
有する空間−周波数応答の一例を示したものである。図
５を参照すれば、第１チャンネル５０２は第２チャンネ
ル５０４と同一のスケールを有するものの、異なる方向
性を有する。また、第１チャンネル５０２は第３チャン
ネル５０６とは異なるスケールを有するものの、同一の
方向性を有する。映像のガボールフィルタリングは前述
したガボール関数及び映像をコンボルーションすること
により行われ、相異なる方向性及びスケールを有するフ
ィルターによってフィルタリングされた相異なる映像を
出力する。
【００４３】次に、フィルタリングされた映像のピクセ
ル値の平均及び分散を求める（段階４０４）。このよう
に得られたガボール関数及び映像をコンボルーションし
て得られる大きさの平均及び偏差が質感の性質を表わす
と言える。次に、求めた平均及び分散を用いて特徴ベク
トル空間をインデックシングする（段階４０６）。複数
の領域に分割された映像の質感ベクトルはＮ個の周波数
チャンネル及びＭ個の回転チャンネルを有したガボール
関数を用いる場合、下記式のように表わされる。
ル値の平均及び分散を求める（段階４０４）。このよう
に得られたガボール関数及び映像をコンボルーションし
て得られる大きさの平均及び偏差が質感の性質を表わす
と言える。次に、求めた平均及び分散を用いて特徴ベク
トル空間をインデックシングする（段階４０６）。複数
の領域に分割された映像の質感ベクトルはＮ個の周波数
チャンネル及びＭ個の回転チャンネルを有したガボール
関数を用いる場合、下記式のように表わされる。
【数４４】 ここで、ｍkijは領域Ｉkのｉ番目の周波数チャンネル及
びｊ番目の回転チャンネルの平均を表わし、σkijは領
域Ｉkのｉ番目の周波数チャンネル及びｊ番目の回転チ
ャンネルの偏差を表わす。
びｊ番目の回転チャンネルの平均を表わし、σkijは領
域Ｉkのｉ番目の周波数チャンネル及びｊ番目の回転チ
ャンネルの偏差を表わす。
【００４４】また、両領域間の質感ベクトルを用いた距
離関数は、下記式のように表わされる。
離関数は、下記式のように表わされる。
【数４５】 しかしながら、本発明によれば、任意の形状の領域から
質感を抽出する。ユーザにより選択された映像領域はそ
の形状が不規則的である。色の情報はその領域内の色ピ
クセルの分布及びその数を通じて得られるため、その領
域の形状が問題になることはない。しかし、質感の場
合、質感を局部的な空間周波数への集中度により区別で
きる発光パターンであると定義した時、ピクセル間のパ
ターンが重要になり、領域の形状に影響されうる。ま
た、ガボールフィルターが映像とガボール関数とのコン
ボルーションを通じて得られるため、任意の形状に対す
るコンボルーションは容易ではない。さらに、サンプル
の大きさが異なる質感サンプルをもってガボールフィル
ターを通じての質感検索を行った場合、同一の大きさの
サンプルをもっての場合よりもはるかに劣った性能を表
わす。したがって、本実施形態においては、任意の形状
の領域から同一の領域の質感性質を有する同一の大きさ
の四角形サンプルを得る作業が必要になる。この作業が
この領域から質感の情報を得なければならないという点
で、そのピクセルの発光パターンがたくさん受容できる
大きい領域を取らなければ、正確な質感情報が得られな
い。
質感を抽出する。ユーザにより選択された映像領域はそ
の形状が不規則的である。色の情報はその領域内の色ピ
クセルの分布及びその数を通じて得られるため、その領
域の形状が問題になることはない。しかし、質感の場
合、質感を局部的な空間周波数への集中度により区別で
きる発光パターンであると定義した時、ピクセル間のパ
ターンが重要になり、領域の形状に影響されうる。ま
た、ガボールフィルターが映像とガボール関数とのコン
ボルーションを通じて得られるため、任意の形状に対す
るコンボルーションは容易ではない。さらに、サンプル
の大きさが異なる質感サンプルをもってガボールフィル
ターを通じての質感検索を行った場合、同一の大きさの
サンプルをもっての場合よりもはるかに劣った性能を表
わす。したがって、本実施形態においては、任意の形状
の領域から同一の領域の質感性質を有する同一の大きさ
の四角形サンプルを得る作業が必要になる。この作業が
この領域から質感の情報を得なければならないという点
で、そのピクセルの発光パターンがたくさん受容できる
大きい領域を取らなければ、正確な質感情報が得られな
い。
【００４５】図６は、質感サンプルを得るための準備過
程の一例を示したものである。映像の質感サンプルを得
ようとする領域の白黒映像及び領域地図を用いて質感サ
ンプルを得る。図６を参照すれば、質感サンプルを得る
ために、まず、格子領域地図を得る（段階６０２）。段
階６０２をより詳細に説明すれば、ｉは０≦ｉ≦ｎ、ｊ
は０≦ｊ≦ｍとした時、サンプルを得ようとする領域の
上下左右方向の最大値によりなされた四角形Ｍ(ｉ,ｊ)
を取る。次に、四角形Ｍ(ｉ,ｊ)の内部をｌ×ｌの大き
さの四角形を用いて分割する。次に、ｉは
程の一例を示したものである。映像の質感サンプルを得
ようとする領域の白黒映像及び領域地図を用いて質感サ
ンプルを得る。図６を参照すれば、質感サンプルを得る
ために、まず、格子領域地図を得る（段階６０２）。段
階６０２をより詳細に説明すれば、ｉは０≦ｉ≦ｎ、ｊ
は０≦ｊ≦ｍとした時、サンプルを得ようとする領域の
上下左右方向の最大値によりなされた四角形Ｍ(ｉ,ｊ)
を取る。次に、四角形Ｍ(ｉ,ｊ)の内部をｌ×ｌの大き
さの四角形を用いて分割する。次に、ｉは
【数４６】 ｊは
【数４７】 であり、ｘ及びｙは各々０≦ｘ≦ｌ−１、０≦ｙ≦ｌ−
１であり、Ｐij(ｘ,ｙ)はＭ(ｉｌ＋ｘ,ｊｌ＋ｙ)の領域
内に属する一つの点であり、Ｉkは領域であるとした
時、分割された格子の内部がいずれも所望の領域に含ま
れている場合に１に定め、そうでない場合に０に定める
所定の関数
１であり、Ｐij(ｘ,ｙ)はＭ(ｉｌ＋ｘ,ｊｌ＋ｙ)の領域
内に属する一つの点であり、Ｉkは領域であるとした
時、分割された格子の内部がいずれも所望の領域に含ま
れている場合に１に定め、そうでない場合に０に定める
所定の関数
【数４８】 を計算することにより格子領域地図を得る。
【００４６】次に、最大広さの四角形領域を求める（段
階６０４）。段階６０２により得られた格子領域地図は
下記式
階６０４）。段階６０２により得られた格子領域地図は
下記式
【数４９】
【数５０】 を繰り返して計算することにより距離格子領域地図
【数５１】 に変換でき、最も深い地点に位置している大きい距離値
を有した地点、すなわち、
を有した地点、すなわち、
【数５２】 をシードに用いて
【数５３】 を満足する範囲内において上下左右に拡張していきつつ
そのうち最も大きい広さを有した直四角形を抽出するこ
とが可能である。
そのうち最も大きい広さを有した直四角形を抽出するこ
とが可能である。
【００４７】次に、要求される大きさの質感サンプルを
得る（段階６０６）。段階６０４により抽出された直四
角形を所望の質感サンプルの大きさに合わせて付け加え
ることにより定められた大きさに合わせることが可能で
ある。代案として、ミラーリングにより抽出された直四
角形を所望の質感サンプルの大きさに合わせて付け加え
ることにより定められた大きさに合わせることも可能で
ある。ミラーリングは質感の方向性が変わらない場合に
好適である。
得る（段階６０６）。段階６０４により抽出された直四
角形を所望の質感サンプルの大きさに合わせて付け加え
ることにより定められた大きさに合わせることが可能で
ある。代案として、ミラーリングにより抽出された直四
角形を所望の質感サンプルの大きさに合わせて付け加え
ることにより定められた大きさに合わせることも可能で
ある。ミラーリングは質感の方向性が変わらない場合に
好適である。
【００４８】次に、色距離及び質感距離を各々所定の重
み付け値を用いて重み付けする（段階１０４）。本実施
形態による映像検索方法においては、図７を参照すれ
ば、各々のベクトル空間においてクエリーベクトルと比
較して独立的に計算された色距離及び質感距離を得る。
得られた色距離及び質感距離と各々に対する重み付け値
は２次元ベクトル空間に投影し、投影された結果を２次
元ベクトル空間の値を用いて人間の視覚的特性を考慮し
た１次元距離空間に再び投影する。
み付け値を用いて重み付けする（段階１０４）。本実施
形態による映像検索方法においては、図７を参照すれ
ば、各々のベクトル空間においてクエリーベクトルと比
較して独立的に計算された色距離及び質感距離を得る。
得られた色距離及び質感距離と各々に対する重み付け値
は２次元ベクトル空間に投影し、投影された結果を２次
元ベクトル空間の値を用いて人間の視覚的特性を考慮し
た１次元距離空間に再び投影する。
【００４９】より詳細に説明すれば、クエリー映像領域
の色ベクトルとデータベース内に貯蔵されたデータ映像
の色ベクトルとの距離は［数式３９］で表わされる距離
関数により定める。この時、与えられる重み付け値は色
の分布により定められる。例えば、特定の代表色があれ
ばその色への信頼性は高い。これに対し、特定の代表色
が無くていくつかの代表色がほぼ同じ割合で分布する場
合、その色への信頼性は低い。このような色分布はエン
トロピー関数で表わされる。エントロピー関数の場合、
色が映像領域の全体に亘って均一に広がっている場合に
は高い値を有し、ある部分に偏っている場合には低い値
を有する。この理由から、色特徴に対する重み付け値は
下記式のように定義できる。
の色ベクトルとデータベース内に貯蔵されたデータ映像
の色ベクトルとの距離は［数式３９］で表わされる距離
関数により定める。この時、与えられる重み付け値は色
の分布により定められる。例えば、特定の代表色があれ
ばその色への信頼性は高い。これに対し、特定の代表色
が無くていくつかの代表色がほぼ同じ割合で分布する場
合、その色への信頼性は低い。このような色分布はエン
トロピー関数で表わされる。エントロピー関数の場合、
色が映像領域の全体に亘って均一に広がっている場合に
は高い値を有し、ある部分に偏っている場合には低い値
を有する。この理由から、色特徴に対する重み付け値は
下記式のように定義できる。
【数５４】 ここで、Ｐqiはクエリー映像領域のｉ番目の代表色の割
合を表わし、ωc＜０．１の場合にはωc＝０．１であ
る。
合を表わし、ωc＜０．１の場合にはωc＝０．１であ
る。
【００５０】前述した方法と同様に、質感特徴ベクトル
の場合にも、［数式４５］で表わされる距離関数を用い
て質感距離を定めることになる。図６を参照して説明し
た方法により質感サンプルを得る場合には、その領域が
狭ければ質感に対する信頼性が下がる。また、所望の質
感サンプルの大きさに合わせるために抽出された質感サ
ンプルを付け加える場合、付け加えの回数が多いほどそ
の付け加えの境界において現れる不連続性が質感特徴の
抽出によくない結果を招くことがある。したがって、本
実施形態においては、各々の距離に下記のような重み付
け値をかけて距離を再び定義する。
の場合にも、［数式４５］で表わされる距離関数を用い
て質感距離を定めることになる。図６を参照して説明し
た方法により質感サンプルを得る場合には、その領域が
狭ければ質感に対する信頼性が下がる。また、所望の質
感サンプルの大きさに合わせるために抽出された質感サ
ンプルを付け加える場合、付け加えの回数が多いほどそ
の付け加えの境界において現れる不連続性が質感特徴の
抽出によくない結果を招くことがある。したがって、本
実施形態においては、各々の距離に下記のような重み付
け値をかけて距離を再び定義する。
【数５５】 ここで、Ｉqはクエリー映像またはクエリー映像領域を
表わし、ｓは所望の大きさの質感サンプルを表わし、Ａ
（．）は所望の大きさの質感サンプルに含まれた広さを
表わす。また、ｃｏｕｎｔ（．）は所望の大きさの質感
サンプルへの付け加え回数、ａは定数を表わす。
表わし、ｓは所望の大きさの質感サンプルを表わし、Ａ
（．）は所望の大きさの質感サンプルに含まれた広さを
表わす。また、ｃｏｕｎｔ（．）は所望の大きさの質感
サンプルへの付け加え回数、ａは定数を表わす。
【００５１】また、この方法と同様に、下記式
【数５６】 を質感に対する重み付け値として設定する。ここで、Ａ
（・）は広さを表わす。
（・）は広さを表わす。
【００５２】次に、人間の視覚的な特性を考慮して重み
付けされた色距離及び質感距離を組み合わせた距離を求
める（段階１０６）。図７に示されたように、段階１０
４により求めた色距離と質感距離及び各々距離に対する
重み付け値を人間の視覚的な特性を考慮した投影器を通
じて１次元距離空間に投影する。２種類の相異なる特徴
を組み合わせるためには、まず、色距離及び質感距離を
正規化してほぼ同じくする作業が必要である。本実施形
態において、正規化作業はガウス正規化方法を用いて行
った。数列νkをガウス数列であると仮定した時、平均
μk及び偏差σkを用いて下記式により正規化を行った
時、約９９％が［−１，１］の範囲内に正規化されると
いうことを用いたものである。
付けされた色距離及び質感距離を組み合わせた距離を求
める（段階１０６）。図７に示されたように、段階１０
４により求めた色距離と質感距離及び各々距離に対する
重み付け値を人間の視覚的な特性を考慮した投影器を通
じて１次元距離空間に投影する。２種類の相異なる特徴
を組み合わせるためには、まず、色距離及び質感距離を
正規化してほぼ同じくする作業が必要である。本実施形
態において、正規化作業はガウス正規化方法を用いて行
った。数列νkをガウス数列であると仮定した時、平均
μk及び偏差σkを用いて下記式により正規化を行った
時、約９９％が［−１，１］の範囲内に正規化されると
いうことを用いたものである。
【数５７】
【数５８】 また、この数列を［０，１］の間に移動させることによ
り正規化する。０よりも小さい値や１よりも大きい値は
０及び１に設定する。この方法は、正規化が必要なデー
タにおいて、特異的に大きい値や小さい値によりほとん
どの値が狭い範囲に集中することを防止する上で有効で
ある。
り正規化する。０よりも小さい値や１よりも大きい値は
０及び１に設定する。この方法は、正規化が必要なデー
タにおいて、特異的に大きい値や小さい値によりほとん
どの値が狭い範囲に集中することを防止する上で有効で
ある。
【００５３】しかし、色ベクトル距離関数から分かるよ
うに、色ベクトルの距離は類似した色の成分がないと判
断されれば、その距離の概念が無意味であるために検索
候補内の色ベクトル間の距離偏差が小さいのに対し、質
感ベクトルの距離は偏差が極めて大きいため、ｋを定数
とした時、下記式
うに、色ベクトルの距離は類似した色の成分がないと判
断されれば、その距離の概念が無意味であるために検索
候補内の色ベクトル間の距離偏差が小さいのに対し、質
感ベクトルの距離は偏差が極めて大きいため、ｋを定数
とした時、下記式
【数５９】 を満足するまで最も距離が遠い質感ベクトルの距離を除
外していきつつ平均及び偏差を求め、求めた平均及び偏
差を用いて正規化作業を行う。
外していきつつ平均及び偏差を求め、求めた平均及び偏
差を用いて正規化作業を行う。
【００５４】このように正規化した各々のベクトル距離
は下記の関数により重み付け値を考慮して組み合わせら
れた距離として定められる。
は下記の関数により重み付け値を考慮して組み合わせら
れた距離として定められる。
【数６０】 ここで、Ｗcはωc／(ωc＋ωt)として定義され、Ｗtは
ωt／(ωc＋ωt)として定義される。次に、組み合わせ
た距離を用いてクエリー映像と類似した映像を決める
（段階１０８）。前述した関数から分かるように、質感
や色のうちいずれか一方のベクトルの距離が特に近いこ
とを表わす場合、その偏った角度により偏った質感ベク
トル距離及び色ベクトル距離に異なる値をかけて質感や
色のいずれか一方が大きく類似している時に全体的に類
似していると感じる人間の視覚的なメカニズムをよく反
映している。また、前記方法によれば、各々の多次元特
徴ベクトルを距離及び重み付け値の２次元ベクトル空間
に投影した後に他の特徴ベクトル間の組み合わせられた
距離を表わす１次元距離空間に投影するので、計算が比
較的に簡単である。また、前記方法によれば、特徴ベク
トルの分布により適応的に変わる小さい数の重み付け値
を用いた投影器は色及び質感ベクトルを人間の視覚的な
メカニズムに見合う検索を行う。
ωt／(ωc＋ωt)として定義される。次に、組み合わせ
た距離を用いてクエリー映像と類似した映像を決める
（段階１０８）。前述した関数から分かるように、質感
や色のうちいずれか一方のベクトルの距離が特に近いこ
とを表わす場合、その偏った角度により偏った質感ベク
トル距離及び色ベクトル距離に異なる値をかけて質感や
色のいずれか一方が大きく類似している時に全体的に類
似していると感じる人間の視覚的なメカニズムをよく反
映している。また、前記方法によれば、各々の多次元特
徴ベクトルを距離及び重み付け値の２次元ベクトル空間
に投影した後に他の特徴ベクトル間の組み合わせられた
距離を表わす１次元距離空間に投影するので、計算が比
較的に簡単である。また、前記方法によれば、特徴ベク
トルの分布により適応的に変わる小さい数の重み付け値
を用いた投影器は色及び質感ベクトルを人間の視覚的な
メカニズムに見合う検索を行う。
【００５５】以上述べたように、本発明によれば、色に
より領域化した映像において、領域別に抽出された色特
徴及び質感特徴を各々クエリー領域映像とのベクトル距
離及び重み付け値よりなる２次元ベクトル空間の特徴値
に投影した後、この値を用いて人間の視覚的なメカニズ
ムを考慮した１次元距離空間に投影する。また、前記方
法によれば、計算が比較的に簡単であり、人間の視覚的
なメカニズムに見合う検索が行える。
より領域化した映像において、領域別に抽出された色特
徴及び質感特徴を各々クエリー領域映像とのベクトル距
離及び重み付け値よりなる２次元ベクトル空間の特徴値
に投影した後、この値を用いて人間の視覚的なメカニズ
ムを考慮した１次元距離空間に投影する。また、前記方
法によれば、計算が比較的に簡単であり、人間の視覚的
なメカニズムに見合う検索が行える。
【００５６】前述したように、本発明による映像検索方
法の性能を確認するためにシミュレーション実験を行っ
た。実験においては、コーレル社においてデザインされ
たサンプル映像（３８４×２５６または２５６×３８
４）を１００枚用いた。色を用いた領域化アルゴリズム
を用いて総２，４５６枚の領域映像に分割した後、各々
の領域において色特徴ベクトル抽出アルゴリズム及び質
感ベクトル抽出アルゴリズムを適用して色ベクトル及び
質感ベクトルを抽出した。この時、色特徴ベクトルは色
空間ＬＵＶから抽出し、質感抽出ベクトルは６４×６４
の大きさの質感サンプルを抽出し、この抽出された質感
サンプルに対し周波数チャンネルを４区間、回転チャン
ネルを６区間としたガボールフィルターを適用した。す
なわち、各領域ごとに計４８個の成分を有する質感ベク
トルを抽出した。図８Ａは、与えられたクエリー領域映
像に対し色及び質感が組み合わせられた結果を用いて検
索を行った領域映像の例を示したものであり、図８Ｂ
は、与えられたクエリー領域映像に対し色だけを考慮し
て検索した領域映像の例を示したものであり、そして図
８Ｃは、色距離が意味のある範囲内の候補領域映像に対
し質感だけを考慮して検索を行った領域映像の例を示し
たものである。図８Ａないし図８Ｃを参照すれば、クエ
リー映像に当たる魚の胴体の色及びうろこの質感が同時
によく表現されている魚の胴体領域の映像を検索するこ
とにより、人間の視覚的なメカニズムの観点からより満
足できる結果が得られた。これにより、本発明によれ
ば、下位概念の特徴と言える色特徴及び質感特徴を適切
に組み合わせることにより、より上位概念の特徴を効率
良く表現できるということが分かる。
法の性能を確認するためにシミュレーション実験を行っ
た。実験においては、コーレル社においてデザインされ
たサンプル映像（３８４×２５６または２５６×３８
４）を１００枚用いた。色を用いた領域化アルゴリズム
を用いて総２，４５６枚の領域映像に分割した後、各々
の領域において色特徴ベクトル抽出アルゴリズム及び質
感ベクトル抽出アルゴリズムを適用して色ベクトル及び
質感ベクトルを抽出した。この時、色特徴ベクトルは色
空間ＬＵＶから抽出し、質感抽出ベクトルは６４×６４
の大きさの質感サンプルを抽出し、この抽出された質感
サンプルに対し周波数チャンネルを４区間、回転チャン
ネルを６区間としたガボールフィルターを適用した。す
なわち、各領域ごとに計４８個の成分を有する質感ベク
トルを抽出した。図８Ａは、与えられたクエリー領域映
像に対し色及び質感が組み合わせられた結果を用いて検
索を行った領域映像の例を示したものであり、図８Ｂ
は、与えられたクエリー領域映像に対し色だけを考慮し
て検索した領域映像の例を示したものであり、そして図
８Ｃは、色距離が意味のある範囲内の候補領域映像に対
し質感だけを考慮して検索を行った領域映像の例を示し
たものである。図８Ａないし図８Ｃを参照すれば、クエ
リー映像に当たる魚の胴体の色及びうろこの質感が同時
によく表現されている魚の胴体領域の映像を検索するこ
とにより、人間の視覚的なメカニズムの観点からより満
足できる結果が得られた。これにより、本発明によれ
ば、下位概念の特徴と言える色特徴及び質感特徴を適切
に組み合わせることにより、より上位概念の特徴を効率
良く表現できるということが分かる。
【００５７】
【発明の効果】以上の方法により、映像領域から抽出さ
れた色及び質感特徴を用いてこれらの情報を同時に組み
合わせることにより、人間の視覚的なメカニズムにより
見合う検索結果が得られる。特に、領域別検索により一
つの映像にある多くの物体及び情報をより精度良く検索
することが可能である。また、色及び質感の下位概念の
特徴がこれらの分布によるベクトル距離空間において１
次元距離として定められるので、小さい数の重み付け値
及び少ないベクトル計算により上位概念の特徴を効率良
く表現できる。
れた色及び質感特徴を用いてこれらの情報を同時に組み
合わせることにより、人間の視覚的なメカニズムにより
見合う検索結果が得られる。特に、領域別検索により一
つの映像にある多くの物体及び情報をより精度良く検索
することが可能である。また、色及び質感の下位概念の
特徴がこれらの分布によるベクトル距離空間において１
次元距離として定められるので、小さい数の重み付け値
及び少ないベクトル計算により上位概念の特徴を効率良
く表現できる。
【００５８】また、以上のように、本発明による映像検
索方法は、個人向けまたはサーバー級のコンピュータ内
にて実行されるプログラムにより作成可能である。前記
プログラムを構成するプログラムコード及びコードセグ
メントは当該分野のコンピュータプログラマーにより容
易に推論できる。また、前記プログラムはコンピュータ
にて読取り可能な記録媒体に貯蔵できる。前記記録媒体
は磁気記録媒体、光記録媒体、及び電波媒体を含む。
索方法は、個人向けまたはサーバー級のコンピュータ内
にて実行されるプログラムにより作成可能である。前記
プログラムを構成するプログラムコード及びコードセグ
メントは当該分野のコンピュータプログラマーにより容
易に推論できる。また、前記プログラムはコンピュータ
にて読取り可能な記録媒体に貯蔵できる。前記記録媒体
は磁気記録媒体、光記録媒体、及び電波媒体を含む。
【図１】 本発明の実施形態による映像検索方法の主な
段階を示したフローチャートである。
段階を示したフローチャートである。
【図２】 色特徴を用いて映像データベースをインデッ
クシングする方法の例を示したフローチャートである。
クシングする方法の例を示したフローチャートである。
【図３Ａ】 色特徴によって分割される映像の一例を示
した図である。
した図である。
【図３Ｂ】 図３Ａの映像を量子化した色ベクトルを用
いて示した図である。
いて示した図である。
【図３Ｃ】 Ｊ映像を示した図である。
【図３Ｄ】 分割が完了した映像を示した図である。
【図４】 質感に基づく映像データベースをインデック
シングする過程の一例を示したフローチャートである。
シングする過程の一例を示したフローチャートである。
【図５】 ２次元ガボール関数の半分の大きさを有する
空間−周波数応答の一例を示した図である。
空間−周波数応答の一例を示した図である。
【図６】 質感サンプルを得るための準備過程の一例を
示したフローチャートである。
示したフローチャートである。
【図７】 本発明の特徴を概略的に説明した参考図であ
る。
る。
【図８Ａ】 与えられたクエリー領域映像に対し色及び
質感を組み合わせた結果を用いて検索を行った領域映像
の例を示した図である。
質感を組み合わせた結果を用いて検索を行った領域映像
の例を示した図である。
【図８Ｂ】 与えられたクエリー領域映像に対し色だけ
を考慮して検索を行った領域映像の例を示した図であ
る。
を考慮して検索を行った領域映像の例を示した図であ
る。
【図８Ｃ】 色距離が意味のある範囲内の候補領域映像
に対し質感だけを考慮して検索を行った領域映像の例を
示した図である。
に対し質感だけを考慮して検索を行った領域映像の例を
示した図である。
１０２、１０４、１０６、１０８、２０２、２０４、２
０６、２０８、２１０、２１２、２１４、２１６、２１
８、４０２、４０４、４０６、６０２、６０４、６０６
段階 ５０２ 第１チャンネル ５０４ 第２チャンネル ５０６ 第３チャンネル
０６、２０８、２１０、２１２、２１４、２１６、２１
８、４０２、４０４、４０６、６０２、６０４、６０６
段階 ５０２ 第１チャンネル ５０４ 第２チャンネル ５０６ 第３チャンネル
フロントページの続き (72)発明者 郭 征元 大韓民国ソウル特別市冠岳区新林洞山56− １番地ソウル大学校電気工学部301棟1001 号 Ｆターム(参考） 5B075 ND06 NK08 QM08 QS03 5C052 AB04 AC08 DD10 EE03 5L096 AA02 AA06 FA05 FA32 FA33 FA59 GA19 GA38 GA55 HA02 HA07 JA11 MA07
Claims (33)
- 【請求項１】 人間の視覚的特性を考慮して色距離及び
質感距離を組み合わせた特徴距離を求め、組み合わせら
れた特徴距離を用いてクエリー映像と類似した映像を検
索する段階を含むことを特徴とする映像検索方法。 - 【請求項２】 映像データベース内でクエリー映像と類
似した映像を検索する方法であって、（ａ）クエリー映
像と映像データベース内に貯蔵されたデータ映像との間
の色距離及び質感距離を求める段階と、（ｂ）所定の重
み付け値を用いて色距離及び質感距離を重み付けする段
階と、（ｃ）人間の視覚的特性を考慮して重み付けされ
た色距離及び質感距離を組み合わせた特徴距離を求める
段階と、（ｄ）組み合わせられた特徴距離を用いてクエ
リー映像と類似した映像を決める段階とを含むことを特
徴とする映像検索方法。 - 【請求項３】 前記（ａ）段階前に、（ｐａ−１）色特
徴を用いてクエリー映像及びデータ映像を分割する段階
と、（ｐａ−２）前記クエリー映像及びデータ映像のう
ち質感特徴を求めるためのサンプル領域を決める段階と
をさらに含むことを特徴とする請求項２に記載の映像検
索方法。 - 【請求項４】 前記（ａ）段階は、（ａ１）分割された
領域から色特徴を用いて色ベクトルを抽出し、色距離を
求める段階と、（ａ２）求められた領域から質感特徴を
用いて質感ベクトルを抽出し、質感距離を求める段階と
をさらに含むことを特徴とする請求項３に記載の映像検
索方法。 - 【請求項５】 前記（ｐａ−１）段階は、与えられた映
像の色ベクトルを量子化する段階をさらに含むことを特
徴とする請求項３に記載の映像検索方法。 - 【請求項６】 前記量子化段階は、（ｐａ−１−１）映
像から雑音を除去して平滑化するためにピアグループフ
ィルタリングを行う段階と、（ｐａ−１−２）フィルタ
リングされたピクセル値に対し一般化したロイドアルゴ
リズムを用いてクラスタリングを行う段階とを含むこと
を特徴とする請求項５に記載の映像検索方法。 - 【請求項７】 色量子化後に量子化した色の均一度を表
わすＪ値を定義する段階と、 量子化を通じて得られた色数よりなる映像の各ピクセル
の均一度であるＪ値を該当ピクセルに貯蔵することによ
りＪ映像を得る段階と、 Ｊ映像を所定の分割方法により複数の領域に分割する段
階と、 前記Ｊ映像分割段階を繰り返すことにより過領域化した
領域地図を得る段階と、 色の相関性を用いた領域併合により最終領域地図を得る
段階とをさらに含むことを特徴とする請求項５に記載の
映像検索方法。 - 【請求項８】 分割された領域の代表色及びその割合を
用いて特徴ベクトル空間をインデックシングする段階を
さらに含むことを特徴とする請求項７に記載の映像検索
方法。 - 【請求項９】 前記（ｐａ−１−２）段階は、 クラスターを分割または併合する所定のアルゴリズムを
適用してクラスタリングする段階を含むことを特徴とす
る請求項６に記載の映像検索方法。 - 【請求項１０】 前記色特徴は、代表色ベクトル及び前
記代表色ベクトルの割合で表示される色特徴記述子ｆ
c(Ｉk)で表現されることを特徴とする請求項４に記載の
映像検索方法。 - 【請求項１１】 前記色特徴記述子ｆc(Ｉk)は、 ｋは領域の一連番号を表わす正の整数、 【数１】 はｋ番目の領域の代表色ベクトル、Ｐkiはｉ番目の代表
色ベクトルの割合、Ｎkはｋ番目の領域の代表色ベクト
ルの数としたとき、 【数２】 で表わされることを特徴とする請求項１０に記載の映像
検索方法。 - 【請求項１２】 前記インデックシング段階は、 格子構造を有する色空間の格子点に代表色を割り当てる
段階と、 割り当てられた結果を分離表の形のデータベースに貯蔵
する段階とを含むことを特徴とする請求項８に記載の映
像検索方法。 - 【請求項１３】 前記色距離は、 一つの領域はクエリー映像領域、もう一つの領域はデー
タ映像領域、Ｔdは二つの色が類似していると決める最
大距離、αは所定のスケーリング係数、ｄmaxはαＴd、
ｄijは二つの色ベクトルｃi及びｃjのユークリッド距離
‖ｃi-ｃj‖、ａijはｄij≦Ｔdである時に１−ｄij／ｄ
maxであり、ｄij≧Ｔdである時に０として定義される変
数であるとした時、両領域間の色ベクトル間の距離を 【数３】 により求めることを特徴とする請求項１１に記載の映像
検索方法。 - 【請求項１４】 前記（ａ２）段階は、ガボール関数を
用いることを特徴とする請求項４に記載の映像検索方
法。 - 【請求項１５】 前記（ａ２）段階は、Ｎ及びＭを所定
の正の整数とした時、Ｎ個の周波数チャンネル及びＭ個
の回転チャンネルを有したガボール関数を用いて複数の
領域に分割された領域から質感特徴ベクトルを求めるこ
とを特徴とする請求項１４に記載の映像検索方法。 - 【請求項１６】 前記質感特徴は、ｍkijを領域Ｉkのｉ
番目の周波数チャンネル及びｊ番目の回転チャンネルの
平均、σkijを領域Ｉkのｉ番目の周波数チャンネル及び
ｊ番目の回転チャンネルの偏差とした時、 【数４】 を含む質感特徴記述子ｆc(Ｉk)に基づくことを特徴とす
る請求項１５に記載の映像検索方法。 - 【請求項１７】 前記（ａ２）段階は、 一つの領域はクエリー映像領域、もう一つの領域はデー
タ映像領域とした時、両領域間の質感ベクトルを用いた
距離関数 【数５】 を用いることを特徴とする請求項１６に記載の映像検索
方法。 - 【請求項１８】 前記（ｐａ−２）段階は、（ｐｂ−
１）格子領域地図を得る段階と、（ｐｂ−２）前記格子
領域地図に基づき要求される大きさの質感サンプルを得
る段階とを含むことを特徴とする請求項３に記載の映像
検索方法。 - 【請求項１９】 前記（ｐｂ−１）段階は、（ｐｂ−１
−１）ｉは０≦ｉ≦ｎ、ｊは０≦ｊ≦ｍとした時、サン
プルを得ようとする領域の上下左右方向の最大値により
なされた四角形Ｍ(ｉ,ｊ)を取る段階と、（ｐｂ−１−
２）四角形の内部をｌ×ｌの大きさの四角形を用いて分
割する段階と、（ｐｂ−１−３）ｉは 【数６】 ｊは 【数７】 であり、ｘ及びｙは各々０≦ｘ≦ｌ−１、０≦ｙ≦ｌ−
１であり、Ｐij(ｘ,ｙ)はＭ(ｉｌ＋ｘ,ｊｌ＋ｙ)の領域
内に属する一つの点とした時、分割された格子の内部が
いずれも所望の領域に含まれている場合に１と定め、そ
うでない場合に０と定める所定の関数 【数８】 を計算することにより格子領域地図を得る段階とを含む
ことを特徴とする請求項１８に記載の映像検索方法。 - 【請求項２０】 前記（ｐｂ−１−３）段階後に、（ｐ
ｂ−１−４） 前記（ｐｂ−１−３）段階により得られ
た格子領域地図を 【数９】 を繰り返して計算することにより距離格子領域地図に変
換する段階と、（ｐｂ−１−５） 最も深い地点に位置
している大きい距離値を有した地点 【数１０】 をシードに用いて 【数１１】 を満足する範囲内で上下左右に拡張していきつつそのう
ち最も大きい広さを有した直四角形を抽出する段階とを
さらに含むことを特徴とする請求項１９に記載の映像検
索方法。 - 【請求項２１】 前記（ｐｂ−１−５）段階は、 前記（ｐｂ−１−５）段階により抽出された直四角形を
所望の質感サンプルの大きさに合わせて付け加える段階
をさらに含むことを特徴とする請求項２０に記載の映像
検索方法。 - 【請求項２２】 前記（ｐｂ−１−５）段階により抽出
された直四角形をミラーリングして所望の質感サンプル
の大きさに合わせる段階をさらに含むことを特徴とする
請求項２０に記載の映像検索方法。 - 【請求項２３】 前記（ｂ）段階は、（ｂ−１）色距離
及びその重み付け値として定義される２次元ベクトル空
間、及び質感距離及びその重み付け値として定義される
２次元ベクトル空間に位置づける段階と、（ｂ−２）２
次元ベクトル空間上に投影された結果を人間の視覚的な
メカニズムに基づき定義される１次元距離空間に投影す
る段階とを含むことを特徴とする請求項３に記載の映像
検索方法。 - 【請求項２４】 前記色距離に対する所定の重み付け値
は、代表色の割合の分布に基づき決められることを特徴
とする請求項２に記載の映像検索方法。 - 【請求項２５】 前記色距離に対する所定の重み付け値
は、Ｐqiをクエリー映像領域のｉ番目の代表色の割合と
した時、 【数１２】 により決められたことを特徴とする請求項２３に記載の
映像検索方法。 - 【請求項２６】 前記質感距離は、 Ｉqはクエリー映像またはクエリー領域を表わし、ｓは
所望の大きさのサンプル領域を表わし、Ａ（．）は抽出
されたサンプル領域の広さ、ｃｏｕｎｔ（．）は所望の
大きさを得るためにサンプル領域を付け加えた回数、ａ
は定数とした時、 【数１３】 により定義されることを特徴とする請求項２３に記載の
映像検索方法。 - 【請求項２７】 前記質感距離に対する所定の重み付け
値は、クエリー映像から抽出された初期サンプル領域の
広さ及びデータ映像から抽出された初期サンプル領域の
広さに基づき決められたことを特徴とする請求項２３に
記載の映像検索方法。 - 【請求項２８】 前記質感距離に対する所定の重み付け
値は、 Ｉqはクエリー映像またはクエリー領域を表わし、ｓは
サンプル領域を表わし、Ａ（．）は抽出されたサンプル
領域の広さ、ｃｏｕｎｔ（．）は所望の大きさを得るた
めにサンプル領域を付け加えた回数、ａは定数とした
時、 【数１４】 により決められることを特徴とする請求項２７に記載の
映像検索方法。 - 【請求項２９】 前記（ｂ−２）段階前に、 色距離及び質感距離を各々正規化する段階をさらに含む
ことを特徴とする請求項２３に記載の映像検索方法。 - 【請求項３０】 前記正規化段階は、ガウス正規化方法
に基づくことを特徴とする請求項２９に記載の映像検索
方法。 - 【請求項３１】 前記正規化段階は、数列νkがガウス
数列であり、μkは平均、σkは偏差であるとした時、 【数１５】 を用いて［−１、１］の間に配置する段階と、 【数１６】 を用いて［０、１］の間にマッピングする段階とを含む
ことを特徴とする請求項３０に記載の映像検索方法。 - 【請求項３２】 前記正規化段階は、 ｋを定数とした時、 【数１７】 の条件を満足するまで最も距離が遠い質感距離を除外し
ていきつつ平均及び偏差を求め、求めた平均及び偏差を
用いて正規化作業を行う段階をさらに含むことを特徴と
する請求項３１に記載の映像検索方法。 - 【請求項３３】 前記（ｂ−２）段階は、（ｂ−２−
１）Ｗcはωc／(ωc＋ωt)、Ｗtはωt／(ωc＋ωt)とし
て定義されるとした時、正規化した各々の色、質感距離
を 【数１８】 により１次元距離空間に投影する段階を含むことを特徴
とする請求項２３に記載の映像検索方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020010001130A KR100788643B1 (ko) | 2001-01-09 | 2001-01-09 | 색과 질감의 조합을 기반으로 하는 영상 검색 방법 |
| KR2001-001130 | 2001-01-09 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2002319024A true JP2002319024A (ja) | 2002-10-31 |
Family
ID=19704410
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002002803A Pending JP2002319024A (ja) | 2001-01-09 | 2002-01-09 | 色と質感との組み合わせに基づく映像検索方法 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US7062083B2 (ja) |
| EP (1) | EP1221662A3 (ja) |
| JP (1) | JP2002319024A (ja) |
| KR (1) | KR100788643B1 (ja) |
| CN (1) | CN1220156C (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006031584A (ja) * | 2004-07-21 | 2006-02-02 | Dainippon Screen Mfg Co Ltd | 画像の領域分割 |
| JP2010146156A (ja) * | 2008-12-17 | 2010-07-01 | Hitachi Ltd | 分類図作成装置、分類図作成方法および分類図作成プログラム |
Families Citing this family (66)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6411953B1 (en) * | 1999-01-25 | 2002-06-25 | Lucent Technologies Inc. | Retrieval and matching of color patterns based on a predetermined vocabulary and grammar |
| US6952219B2 (en) * | 2001-05-04 | 2005-10-04 | International Business Machines Corporation | System and method for color-coding objects having multiple attributes |
| US20030039410A1 (en) * | 2001-08-23 | 2003-02-27 | Beeman Edward S. | System and method for facilitating image retrieval |
| CN100346339C (zh) * | 2002-11-20 | 2007-10-31 | 富士通株式会社 | 图像检索方法及图像检索装置 |
| US20050210019A1 (en) * | 2002-11-20 | 2005-09-22 | Fujitsu Limited | Method and apparatus for retrieving image from database, and computer product |
| US7848558B2 (en) * | 2003-02-14 | 2010-12-07 | The University Of Chicago | Method and system for fractal-based analysis of medical image texture |
| US7304644B2 (en) * | 2003-03-12 | 2007-12-04 | Siemens Medical Solutions Usa, Inc. | System and method for performing a virtual endoscopy |
| US7274834B2 (en) * | 2003-05-21 | 2007-09-25 | Konica Minolta Holdings, Inc. | Searching device, searching method and program |
| FR2857130A1 (fr) * | 2003-07-01 | 2005-01-07 | Thomson Licensing Sa | Procede et dispositif de mesure de similarite visuelle |
| US7590310B2 (en) | 2004-05-05 | 2009-09-15 | Facet Technology Corp. | Methods and apparatus for automated true object-based image analysis and retrieval |
| US7660463B2 (en) * | 2004-06-03 | 2010-02-09 | Microsoft Corporation | Foreground extraction using iterated graph cuts |
| WO2006008350A1 (fr) * | 2004-06-23 | 2006-01-26 | France Telelcom | Recherche automatique de similarite entre images incluant une intervention humaine |
| JP2006048320A (ja) * | 2004-08-04 | 2006-02-16 | Sony Corp | 情報処理装置および方法、記録媒体、並びにプログラム |
| GB2418555A (en) * | 2004-09-23 | 2006-03-29 | Mitsubishi Electric Inf Tech | Representing an image using descriptors based on colour information |
| US7454058B2 (en) * | 2005-02-07 | 2008-11-18 | Mitsubishi Electric Research Lab, Inc. | Method of extracting and searching integral histograms of data samples |
| TWI403912B (zh) * | 2006-06-08 | 2013-08-01 | Univ Nat Chiao Tung | 圖像檢索之方法及系統 |
| CN100433016C (zh) * | 2006-09-08 | 2008-11-12 | 北京工业大学 | 基于信息突变的图像检索方法 |
| CN101276363B (zh) * | 2007-03-30 | 2011-02-16 | 夏普株式会社 | 文档图像的检索装置及文档图像的检索方法 |
| CN101295305B (zh) * | 2007-04-25 | 2012-10-31 | 富士通株式会社 | 图像检索装置 |
| CN101334780A (zh) * | 2007-06-25 | 2008-12-31 | 英特维数位科技股份有限公司 | 人物影像的搜寻方法、***及存储影像元数据的记录媒体 |
| CA2695130A1 (en) * | 2007-07-11 | 2009-01-15 | Li-Chen Ou | Color selection system |
| US8165406B2 (en) | 2007-12-12 | 2012-04-24 | Microsoft Corp. | Interactive concept learning in image search |
| CN101470730B (zh) * | 2007-12-26 | 2010-12-22 | 中国科学院自动化研究所 | 基于频谱特征分析的图像重复检测方法 |
| US8059891B2 (en) * | 2007-12-30 | 2011-11-15 | Intel Corporation | Markov stationary color descriptor |
| CN101488129B (zh) * | 2008-01-14 | 2011-04-13 | 夏普株式会社 | 图像检索装置及图像检索方法 |
| US8457400B2 (en) * | 2008-06-27 | 2013-06-04 | Microsoft Corporation | Patch-based texture histogram coding for fast image similarity search |
| KR100942925B1 (ko) * | 2008-08-11 | 2010-02-22 | 한국전자통신연구원 | 스테레오 비전 시스템 및 그 제어방법 |
| JP4573910B1 (ja) * | 2009-03-17 | 2010-11-04 | エンパイア テクノロジー ディベロップメント エルエルシー | 画像表示システム、画像表示装置、画像提供装置およびその方法 |
| CN101551809B (zh) * | 2009-05-13 | 2011-04-06 | 西安电子科技大学 | 基于高斯混合模型分类的sar图像检索方法 |
| CN102110122B (zh) * | 2009-12-24 | 2013-04-03 | 阿里巴巴集团控股有限公司 | 一种建立样本图片索引表和图片过滤、搜索方法及装置 |
| CN101770578B (zh) * | 2010-03-24 | 2011-07-27 | 上海交通大学 | 图像特征提取方法 |
| CN101794448B (zh) * | 2010-04-07 | 2012-07-04 | 上海交通大学 | 主从摄像机***的全自动标定方法 |
| US8705866B2 (en) | 2010-12-07 | 2014-04-22 | Sony Corporation | Region description and modeling for image subscene recognition |
| US8503777B2 (en) | 2010-12-16 | 2013-08-06 | Sony Corporation | Geometric feature based image description and fast image retrieval |
| US8600185B1 (en) | 2011-01-31 | 2013-12-03 | Dolby Laboratories Licensing Corporation | Systems and methods for restoring color and non-color related integrity in an image |
| JP2013068981A (ja) * | 2011-09-20 | 2013-04-18 | Fujitsu Ltd | 電子計算機及び画像検索方法 |
| CN103295020A (zh) * | 2012-02-24 | 2013-09-11 | 北京明日时尚信息技术有限公司 | 一种基于极大稳定区域的商品图片中商品颜色的识别方法 |
| US9336302B1 (en) | 2012-07-20 | 2016-05-10 | Zuci Realty Llc | Insight and algorithmic clustering for automated synthesis |
| US9063954B2 (en) | 2012-10-15 | 2015-06-23 | Google Inc. | Near duplicate images |
| KR101370718B1 (ko) * | 2012-10-26 | 2014-03-06 | 한국과학기술원 | 파노라마 이미지를 이용한 2d에서 3d로의 변환 방법 및 장치 |
| CN103020995B (zh) * | 2012-11-30 | 2016-12-21 | 台州市合正信息科技有限公司 | 一种适用于在视频中搜索目标的物件特征对比方法 |
| US20150169644A1 (en) * | 2013-01-03 | 2015-06-18 | Google Inc. | Shape-Gain Sketches for Fast Image Similarity Search |
| US9201958B2 (en) | 2013-10-24 | 2015-12-01 | TCL Research America Inc. | Video object retrieval system and method |
| CN103324753B (zh) * | 2013-07-08 | 2016-03-23 | 刘广海 | 基于共生稀疏直方图的图像检索方法 |
| GB201316372D0 (en) * | 2013-09-13 | 2013-10-30 | Eip | Image processing |
| CN103679719A (zh) * | 2013-12-06 | 2014-03-26 | 河海大学 | 一种图像分割方法 |
| KR20150100113A (ko) * | 2014-02-24 | 2015-09-02 | 삼성전자주식회사 | 영상 처리 장치 및 이의 영상 처리 방법 |
| US9430718B1 (en) * | 2015-02-09 | 2016-08-30 | Sony Corporation | Efficient local feature descriptor filtering |
| US9600738B2 (en) * | 2015-04-07 | 2017-03-21 | Xerox Corporation | Discriminative embedding of local color names for object retrieval and classification |
| CN105354581B (zh) * | 2015-11-10 | 2018-11-16 | 西安电子科技大学 | 融合颜色特征与卷积神经网络的彩色图像特征提取方法 |
| KR102471340B1 (ko) | 2015-12-08 | 2022-11-28 | 삼성전기주식회사 | 전자소자 내장 인쇄회로기판 |
| CN105808723B (zh) * | 2016-03-07 | 2019-06-28 | 南京邮电大学 | 基于图片语义和视觉散列的图片检索方法 |
| CN105913463B (zh) * | 2016-04-11 | 2018-12-25 | 中南大学 | 一种基于位置先验的纹理-颜色特征全局显著性检测方法 |
| US11205103B2 (en) | 2016-12-09 | 2021-12-21 | The Research Foundation for the State University | Semisupervised autoencoder for sentiment analysis |
| CN107358266B (zh) * | 2017-07-17 | 2020-11-10 | 浙江信电技术股份有限公司 | 一种具有识别功能的移动终端 |
| US11062479B2 (en) | 2017-12-06 | 2021-07-13 | Axalta Coating Systems Ip Co., Llc | Systems and methods for matching color and appearance of target coatings |
| CN109993178B (zh) * | 2017-12-29 | 2024-02-02 | 华为技术有限公司 | 一种特征数据生成和特征匹配方法及装置 |
| CN108789428A (zh) * | 2018-05-30 | 2018-11-13 | 深圳凯达通光电科技有限公司 | 一种智能家居机器人 |
| CN109934258B (zh) * | 2019-01-30 | 2022-10-04 | 西安理工大学 | 特征加权和区域整合的图像检索方法 |
| CN110349131A (zh) * | 2019-06-25 | 2019-10-18 | 武汉纺织大学 | 一种色纺织物颜色差异性检测方法 |
| US11216505B2 (en) * | 2019-09-05 | 2022-01-04 | Adobe Inc. | Multi-resolution color-based image search |
| US11887217B2 (en) | 2020-10-26 | 2024-01-30 | Adobe Inc. | Text editing of digital images |
| CN112395451A (zh) * | 2020-11-17 | 2021-02-23 | 厦门博海中天信息科技有限公司 | 基于图像特征的分类检索方法、***、介质及设备 |
| CN116051912B (zh) * | 2023-03-30 | 2023-06-16 | 深圳市衡骏环保科技有限公司 | 一种装修垃圾的智能识别分类方法 |
| CN116525073B (zh) * | 2023-07-03 | 2023-09-15 | 山东第一医科大学第一附属医院(山东省千佛山医院) | 一种基于健康体检大数据的数据库智能管理*** |
| CN117392440B (zh) * | 2023-09-26 | 2024-03-01 | 武汉纺织大学 | 一种基于组织结构及颜色分类的纺织面料检索方法和*** |
Family Cites Families (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5083571A (en) * | 1988-04-18 | 1992-01-28 | New York University | Use of brain electrophysiological quantitative data to classify and subtype an individual into diagnostic categories by discriminant and cluster analysis |
| US5579471A (en) | 1992-11-09 | 1996-11-26 | International Business Machines Corporation | Image query system and method |
| WO1996003716A1 (en) * | 1994-07-21 | 1996-02-08 | Kabushiki Kaisha Toshiba | Image identifying apparatus |
| US5802361A (en) | 1994-09-30 | 1998-09-01 | Apple Computer, Inc. | Method and system for searching graphic images and videos |
| US5999647A (en) * | 1995-04-21 | 1999-12-07 | Matsushita Electric Industrial Co., Ltd. | Character extraction apparatus for extracting character data from a text image |
| EP0834139A4 (en) * | 1995-06-07 | 1998-08-05 | Int Language Engineering Corp | COMPUTER-ASSISTED TRANSLATION TOOLS |
| US5915250A (en) * | 1996-03-29 | 1999-06-22 | Virage, Inc. | Threshold-based comparison |
| JPH1049659A (ja) | 1996-08-07 | 1998-02-20 | Fuji Xerox Co Ltd | 情報検索装置および方法 |
| JP3747589B2 (ja) * | 1997-09-17 | 2006-02-22 | コニカミノルタビジネステクノロジーズ株式会社 | 画像特徴量比較装置および画像特徴量比較プログラムを記録した記録媒体 |
| US6345274B1 (en) * | 1998-06-29 | 2002-02-05 | Eastman Kodak Company | Method and computer program product for subjective image content similarity-based retrieval |
| JP3812161B2 (ja) | 1998-08-03 | 2006-08-23 | コニカミノルタビジネステクノロジーズ株式会社 | 画像比較装置、画像比較方法及び記録媒体 |
| US6463432B1 (en) * | 1998-08-03 | 2002-10-08 | Minolta Co., Ltd. | Apparatus for and method of retrieving images |
| US6445834B1 (en) * | 1998-10-19 | 2002-09-03 | Sony Corporation | Modular image query system |
| KR100319155B1 (ko) | 1999-02-01 | 2001-12-29 | 구자홍 | 신뢰도를 이용한 대표칼라 지정방법 |
| JP2000216979A (ja) | 1999-01-22 | 2000-08-04 | Canon Inc | 画像抽出方法及び装置並びに記憶媒体 |
| JP3585844B2 (ja) * | 1999-01-29 | 2004-11-04 | エルジー エレクトロニクス インコーポレーテッド | マルチメディアデータの検索方法及び生成方法 |
| US6693962B1 (en) * | 1999-02-01 | 2004-02-17 | Thomson Licensing S.A. | Process to extract regions of homogeneous texture in a digital picture |
| WO2000046748A1 (en) | 1999-02-05 | 2000-08-10 | Samsung Electronics Co., Ltd. | Color image processing method and apparatus thereof |
| AU3680700A (en) | 1999-04-23 | 2000-11-10 | Regents Of The University Of California, The | Color image segmentation method |
| GB2349460B (en) | 1999-04-29 | 2002-11-27 | Mitsubishi Electric Inf Tech | Method of representing colour images |
| JP2003500712A (ja) | 1999-05-17 | 2003-01-07 | サムスン エレクトロニクス カンパニー リミテッド | カラー映像処理方法 |
| US6563959B1 (en) * | 1999-07-30 | 2003-05-13 | Pixlogic Llc | Perceptual similarity image retrieval method |
| US6865302B2 (en) * | 2000-03-16 | 2005-03-08 | The Regents Of The University Of California | Perception-based image retrieval |
| US7308140B2 (en) * | 2000-05-31 | 2007-12-11 | Samsung Electronics Co., Ltd. | Method and device for measuring similarity between images |
-
2001
- 2001-01-09 KR KR1020010001130A patent/KR100788643B1/ko not_active IP Right Cessation
-
2002
- 2002-01-07 EP EP02250065A patent/EP1221662A3/en not_active Withdrawn
- 2002-01-09 US US10/040,621 patent/US7062083B2/en not_active Expired - Fee Related
- 2002-01-09 JP JP2002002803A patent/JP2002319024A/ja active Pending
- 2002-01-09 CN CNB021009465A patent/CN1220156C/zh not_active Expired - Fee Related
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006031584A (ja) * | 2004-07-21 | 2006-02-02 | Dainippon Screen Mfg Co Ltd | 画像の領域分割 |
| JP4539964B2 (ja) * | 2004-07-21 | 2010-09-08 | 大日本スクリーン製造株式会社 | 画像の領域分割 |
| JP2010146156A (ja) * | 2008-12-17 | 2010-07-01 | Hitachi Ltd | 分類図作成装置、分類図作成方法および分類図作成プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| US7062083B2 (en) | 2006-06-13 |
| CN1220156C (zh) | 2005-09-21 |
| US20020122587A1 (en) | 2002-09-05 |
| CN1365067A (zh) | 2002-08-21 |
| KR20020059951A (ko) | 2002-07-16 |
| KR100788643B1 (ko) | 2007-12-26 |
| EP1221662A2 (en) | 2002-07-10 |
| EP1221662A3 (en) | 2006-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2002319024A (ja) | 色と質感との組み合わせに基づく映像検索方法 | |
| Yuan et al. | Factorization-based texture segmentation | |
| Chen et al. | A region-based fuzzy feature matching approach to content-based image retrieval | |
| JP5463415B2 (ja) | 準複製画像検索のための方法およびシステム | |
| Panjwani et al. | Markov random field models for unsupervised segmentation of textured color images | |
| KR101183391B1 (ko) | 메트릭 임베딩에 의한 이미지 비교 | |
| He et al. | A dual global–local attention network for hyperspectral band selection | |
| Kekre et al. | Performance evaluation of image retrieval using energy compaction and imagetiling over DCT row mean and DCT column mean | |
| CN110796038B (zh) | 结合快速区域生长超像素分割的高光谱遥感图像分类方法 | |
| CN109086405B (zh) | 基于显著性和卷积神经网络的遥感图像检索方法及*** | |
| US20070127820A1 (en) | Method for finding representative vectors in a class of vector spaces | |
| JP2006338313A (ja) | 類似画像検索方法，類似画像検索システム，類似画像検索プログラム及び記録媒体 | |
| Vinayak et al. | CBIR system using color moment and color auto-Correlogram with block truncation coding | |
| CN111680579A (zh) | 一种自适应权重多视角度量学习的遥感图像分类方法 | |
| CN110956213A (zh) | 遥感影像特征库生成、遥感影像检索方法及装置 | |
| CN113011444A (zh) | 一种基于神经网络频域注意力机制的图像识别方法 | |
| Mosleh et al. | Texture image retrieval using contourlet transform | |
| Asif et al. | Composite description based on color vector quantization and visual primary features for CBIR tasks | |
| CN112861965A (zh) | 基于多特征交叉一致性模型的图像匹配方法 | |
| Kilicaslan et al. | Image Retrieval using One-Dimensional Color Histogram Created with Entropy. | |
| Mary et al. | Content based image retrieval using colour, multi-dimensional texture and edge orientation | |
| CN116309216B (zh) | 基于多波段的伪彩色图像融合方法及图像融合*** | |
| Chellappa et al. | Texture classification and segmentation: tribulations, triumphs and tributes | |
| CN110210533B (zh) | 基于最大覆盖位置问题的图片组地理定位方法 | |
| Tai et al. | Image retrieval based on color and texture |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040629 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040928 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20041102 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20050202 |
|
| A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20050207 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050428 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20050705 |