JP2002532786A - イメージ・オブジェクトのセットから、相関のあるイメージ・オブジェクトのサブセットを識別する方法及び装置 - Google Patents

イメージ・オブジェクトのセットから、相関のあるイメージ・オブジェクトのサブセットを識別する方法及び装置

Info

Publication number
JP2002532786A
JP2002532786A JP2000587283A JP2000587283A JP2002532786A JP 2002532786 A JP2002532786 A JP 2002532786A JP 2000587283 A JP2000587283 A JP 2000587283A JP 2000587283 A JP2000587283 A JP 2000587283A JP 2002532786 A JP2002532786 A JP 2002532786A
Authority
JP
Japan
Prior art keywords
image
cluster
image object
objects
similarity
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
Application number
JP2000587283A
Other languages
English (en)
Inventor
ヤング、アラン、・ツ−イ
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
International Business Machines Corp
Original Assignee
International Business Machines Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by International Business Machines Corp filed Critical International Business Machines Corp
Publication of JP2002532786A publication Critical patent/JP2002532786A/ja
Pending legal-status Critical Current

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
    • G06F16/5838—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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/24—Character recognition characterised by the processing or recognition method
    • G06V30/242—Division of the character sequences into groups prior to recognition; Selection of dictionaries

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Image Analysis (AREA)
  • Processing Or Creating Images (AREA)

Abstract

(57)【要約】 【課題】 分析手法によりイメージをクラスタ化することにより、それらの基本的な性質を理解する手段を提供すること。 【解決手段】 １例では、イメージ・オブジェクトのセットのイメージ・オブジェクト間の相互関係を識別する照会が入力装置から受信される。セットの全てのイメージ・オブジェクト間の複数の類似度値の各々が、照会からのしきい値基準と比較される。イメージ・オブジェクト識別子のクラスタが、比較にもとづき生成され、ビジュアル出力装置上に視覚的に表示される。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】
本発明は一般にイメージ・オブジェクトのセット内のイメージ・オブジェクト
の識別に関して、特に、イメージ・オブジェクトのセットから相関のあるイメー
ジ・オブジェクトを識別することに関する。
【０００２】
【従来の技術】
イメージ・コンテンツ照会（ＱＢＩＣ：query by image content）は、ユーザ
が平均色、色分布、色レイアウト、及びテクスチャなどのビジュアル特性にもと
づき、イメージの収集を照会することを可能にする有用な技術である。ＱＢＩＣ
について述べた多くの出版物が存在し、それらには例えば、ＩＢＭから提供され
る"Image Search User's Guide and Reference"、Version 2.0.1（1997）や、Ba
rberらによる１９９６年１１月２６日発行の米国特許第５５７９４７１号"IMAGE
QUERY SYSTEM AND METHOD"が含まれる。
【０００３】 ＱＢＩＣ技術を使用するシステムでは、検索のために使用可能なイメージ・オ
ブジェクトの数は非常に大きく、収集のコンテンツ全体を評価及び理解すること
を困難にする。残念なことに、従来の技術はイメージの収集を分析して、それら
のイメージの分類を理解するための好適な手段を提供しない。すなわち、従来の
イメージ照会だけでは、"ビジュアル・マイニング"機能をほとんど提供すること
ができない。イメージ・セット内のイメージ間の関係を形成する能力は、広告代
理店やアニメーション制作会社などの業種にとって、特に重要である。
【０００４】
【発明が解決しようとする課題】
従って、分析手法によりイメージをクラスタ化することにより、それらの基本
的な性質を理解する手段を提供することが望ましい。
【０００５】
【課題を解決するための手段】 ここで述べる方法及び装置は、イメージ・オブジェクトのセットから、相関の
あるイメージ・オブジェクトのサブセットを識別する手段を提供する。１例では
、イメージ・オブジェクトのセットのイメージ・オブジェクト間の相互関係を識
別する照会が受信される。セットのイメージ・オブジェクト間の複数の類似度値
の各々が、照会からのしきい値基準と比較される。イメージ・オブジェクト識別
子の多数のクラスタが、比較にもとづき生成される。
【０００６】
【発明の実施の形態】
図１は、クライアント１０２、ライブラリ・サーバ１０４、及びオブジェクト
・サーバ１０６を有するコンピュータ・システム１００のブロック図である。図
示の実施例では、コンピュータ・システム１００が、ＩＢＭにより提供されるデ
ジタル・ライブラリ（ＤＬ）アーキテクチャにもとづく。ＤＬは現在、ライブラ
リ・サーバ１０４と、オブジェクト・サーバ１０６などの１つ以上のオブジェク
ト・サーバと、クライアント１０２などの１つ以上のクライアントから成る三角
状クライアント／サーバ・モデルにもとづく。ＩＢＭのＤＬは、ＩＢＭから提供
される"Image search User's Guide and Reference"、Version 2.0.1（1997）で
述べられている。
【０００７】 こうした環境における幾つかの従来の態様について再検討すると、クライアン
ト１０２は一般に、プロセッサ１０８及びユーザ・インタフェース１１０を含む
。ユーザ・インタフェース１１０は、コマンドやユーザ・データなどのデータを
プロセッサ１０８に伝達するための入力装置１１２を含む。ユーザは入力装置１
１２からイメージ照会を入力することができる。ユーザ・インタフェース１１０
はまたビジュアル出力装置１１４を含み、これはユーザ・インタフェース１１０
からのコマンド及び照会に応答して、オブジェクト・サーバ１０６に記憶される
イメージ・オブジェクトなどのデータを、プロセッサ１０８を通じて、視覚的に
表示するために提供される。クライアント１０２は従来のデスクトップ・コンピ
ュータであり、入力装置１１２はコンピュータ・キーボードを含み、ビジュアル
出力装置１１４はビジュアル表示モニタを含む。入力装置１１２はまた、コンピ
ュータ・マウス、及びコマンド及びユーザ・データを入力するためのビジュアル
表示モニタを含み得る。
【０００８】 ライブラリ・サーバ１０４はＤＬカタログ情報を管理し、様々な検索技術を用
いて記憶オブジェクトを突き止め、収集内のオブジェクトに対する安全なアクセ
スを提供し、オブジェクト・サーバ１０６などのオブジェクト・サーバと通信す
る。ライブラリ・サーバ１０４はリレーショナル・データベースを用いて、デジ
タル・オブジェクトを管理し、インデックス情報を保守して、オブジェクト・サ
ーバ上に記憶されるオブジェクトへのアクセスを制御することにより、データ保
全性を提供する。データベースは例えば、ＩＢＭから提供されるＩＢＭ ＤＢ２
ユニバーサル・データベース、またはOracle社から提供されるOracleである。ラ
イブラリ・サーバ１０４は例えば、ＩＢＭから提供されるＡＩＸ（Advanced Int
eractive Exective）、マイクロソフト社から提供されるWindows（登録商標）、
またはＩＢＭから提供されるオペレーティング・システム／２（ＯＳ／２）など
である。
【０００９】 オブジェクト・サーバ１０６は、コンピュータ・システム１００に記憶される
イメージ・オブジェクトのレポジトリである。ユーザはライブラリ・サーバ１０
４により経路指定される要求を通じて、イメージ・オブジェクトをオブジェクト
・サーバ１０６に記憶したり、そこから検索したりする。オブジェクト・サーバ
１０６は、システム管理プログラムを通じて定義される記憶管理エンティティ（
ボリュームなど）にもとづき、記憶資源を管理する。オブジェクト・サーバ１０
６上のデータベースは、各オブジェクトの正確な位置に関するデータを含む。例
えば、データベースはＩＢＭ ＤＢ２ユニバーサル・データベースまたはOracle
である。
【００１０】 図２を参照すると、イメージ検索サーバ２０２は従来の"イメージ・コンテン
ツ照会"（ＱＢＩＣ）技術を用い、色やテクスチャなどの特定のビジュアル特性
による、イメージ・オブジェクトの検索を支援する。イメージ探索サーバ２０２
は、例えばＡＩＸまたはWindows （登録商標）NT 上で動作する。イメージ検索
サーバ２０２はイメージを分析し、イメージ情報をイメージ検索データベース２
０６などの、複数のイメージ検索データベース２０４に記憶する。イメージ検索
データベース２０６などの各イメージ検索データベースは、複数のイメージ検索
カタログ２０８を保持する。イメージ検索カタログ２１０などの各イメージ検索
カタログは、ビジュアル・フィーチャ２１２などの、イメージの収集のビジュア
ル・フィーチャに対応するデータを記憶する。
【００１１】 複数のイメージ検索カタログ２０８は、４つのイメージ検索フィーチャ、すな
わち、１）平均色、２）ヒストグラム色、３）位置色、及び４）テクチャの１つ
以上のセットに関する情報を記憶する。平均色は、あるイメージ内の総画素の色
値の合計を、そのイメージ内の画素数により除算した結果を測定する。類似の主
色を有するイメージは、類似の平均色を有する。例えば、赤及び黄色の等しい部
分を含むイメージは、オレンジ色の平均色を有する。ヒストグラム色は、イメー
ジの色分布の割合を測定し、ヒストグラム分析は別に、イメージ内の異なる色を
測定する。例えば、田園地方のイメージは、高頻度のブルー、グリーン、及びグ
レーを示すヒストグラムを有する。位置色は、イメージの指定領域内の画素の平
均色値を測定する。テクスチャはイメージの粗さ、コントラスト、及び方向性を
測定する。粗さはイメージ内の繰り返しアイテムのサイズを示し、コントラスト
はイメージ内の明るさの変化を示し、方向性は方向がイメージ内で優勢であるか
否かを示す。例えば、木理のイメージは、木理を含む他のイメージと類似のテク
スチャを有する。
【００１２】 図１のクライアント１０２のユーザは、イメージのビジュアル特性を用いて、
従来のイメージ照会を実行し、言葉で述べる必要無しに、色、テクスチャ、及び
それらの位置を突き合わせる。コンテンツ・ベースの照会は、テキスト及びキー
ワード検索と組み合わされて、イメージ及びマルチメディア・データベースにお
ける有用な検索方法を提供する。イメージ照会は、イメージ検索の検索基準を指
定する文字ストリングを含む。検索基準は一般に、１）検索において使用される
フィーチャを指定するフィーチャ名、２）使用されるフィーチャの値に対応する
フィーチャ値、３）スコアを計算し、結果を戻すときに、フィーチャに加重され
る強調度を示すフィーチャ重み、及び４）所望される結果の最大数を含む。
【００１３】 イメージ検索サーバ２０２は、イメージを見いだすための検索エンジンとして
使用される。イメージ検索クライアント・アプリケーションがイメージ照会を生
成し、それらを実行し、次にイメージ検索サーバ２０２により戻される情報を評
価する。アプリケーションがコンテンツによりイメージを検索できるようになる
前に、イメージは複数のカタログ２０８の１つ内にインデックス化され、コンテ
ンツ情報がデータベースの１つに記憶されなければならない。一般に、クライア
ント１０２は要求をライブラリ・サーバ１０４に送信し、ライブラリ・サーバが
その要求をオブジェクト・サーバ１０６に転送し、クライアントの要求に応答す
る。オブジェクト・サーバ１０６が次に、ライブラリ・サーバ１０４の要求に応
答して、要求されたデジタル・データ・オブジェクトをクライアント１０２に配
信する。
【００１４】 より詳細には、クライアント１０２はＱＢＩＣ照会ストリングを作成し、それ
をイメージ検索サーバ２０２に送信する。イメージ検索サーバ２０２は照会スト
リングを受信し、突き合わせのためにカタログ化イメージを検索する。クライア
ント１０２は識別子及びランクのリストとして、突き合わせを受信する。各マッ
チング・イメージの識別子は、アイテムＩＤ、パーツ番号、及びRepTypeを含み
得る。次に、クライアント１０２はライブラリ・サーバ１０４からイメージ部分
を要求する。ライブラリ・サーバ１０４は、オブジェクト・サーバ１０６が指定
イメージ部分をクライアント１０２に送信することを要求する。オブジェクト・
サーバ１０６はイメージ部分を送信し、クライアント１０２がそれらの受信を受
け入れる。クライアント１０２は次に、イメージをビジュアル出力装置１１４上
に表示する。
【００１５】 図３は、イメージ・オブジェクトのセットから相関のあるイメージ・オブジェ
クトのサブセットを識別する装置３００のソフトウェア及びハードウェア・コン
ポーネントを示すブロック図である。好適には、装置３００は前述の従来の環境
に組み込まれる。装置３００は一般に、前述のユーザ・インタフェース１１０、
メモリ３０２、及びプロセッサ３０４を含む。イメージ・データ３０６、及びイ
メージ・データ３０６に対応するイメージ・フィーチャ・データ３０８が、メモ
リ３０２に記憶される。イメージ・データ３０６はイメージ・オブジェクトのセ
ットを含み、及びイメージ・フィーチャ・データ３０８は各イメージ・オブジェ
クトのイメージ・フィーチャのセットを含む。イメージ・オブジェクトは例えば
、ビジュアル・イメージを作成するためのデータ・ファイルである。イメージ・
オブジェクトのセットは一般に、非常に多数（１０、１００、１０００など）の
イメージ・オブジェクトを含む。しかしながら、セットは少なくとも４つのイメ
ージ・オブジェクトなどの、より少ない数のイメージ・オブジェクトを含んでも
よい。
【００１６】 プロセッサ３０４はコンピュータ・ソフトウェア・コードを実行し、ソフトウ
ェア・コードはここでは、類似度マトリックス・ジェネレータ３１６及びクラス
タ・ジェネレータ３１８を含む。類似度マトリックス・ジェネレータ３１６はイ
メージ・フィーチャ比較器３１７を含み、これは各イメージ・オブジェクトのイ
メージ・フィーチャ・データ３０８を、イメージ・データ３０６に記憶される他
の全てのイメージ・オブジェクトのイメージ・フィーチャ・データ３０８と比較
するために実行される。好適には、イメージ・フィーチャ比較器３１６は入力装
置１１２での特殊な照会に応答して実行される。イメージ・フィーチャ比較器３
１６は類似度マトリックス・データ３１０を生成し、これは複数の類似度値また
は類似度ランクを含む。従って、類似度マトリックス・ジェネレータ３１６は、
類似度値ジェネレータまたは類似度ランク・ジェネレータとも呼ばれる。複数の
類似度値には、各イメージ・オブジェクトのイメージ・フィーチャと、セットの
他の全てのイメージ・オブジェクトとの間の類似度が含まれる。
【００１７】 クラスタ・ジェネレータ３１８はデータ比較器３２０及びクラスタ割当て器３
２２を含む。データ比較器３２０は、類似度マトリックス３１０から複数の類似
度値を受信する第１のデータ入力と、しきい値基準データ３１２を受信する第２
のデータ入力とを有する。データ比較器３２０は後述のように、類似度マトリッ
クス３１０の複数の類似度値の各々を、しきい値基準データ３１２と比較するた
めに実行される。
【００１８】 クラスタ割当て器３２２はデータ比較器３２０と協働して、クラスタ・データ
３１４を生成する。クラスタ・データ３１４は、イメージ・データ３０６のイメ
ージ・オブジェクトのサブセットに対応するイメージ・オブジェクト識別子の少
なくとも１つのクラスタを含む。好適には、クラスタ割当て器３２２は、クラス
タ内の各イメージ・オブジェクト識別子が、クラスタ内で識別される少なくとも
１つの他のイメージ・オブジェクトとの関連において、しきい値基準データ３１
２を満足する類似度値を有するイメージ・オブジェクトに関連付けられるように
、クラスタを生成する。クラスタ・データ３１４は視覚的に、ビジュアル出力装
置１１４上に表示される。この情報により、１つ以上のクラスタ内のイメージ・
オブジェクト識別子に対応するイメージ・オブジェクトが容易に検索され、ビジ
ュアル出力装置１１４上に表示される。
【００１９】 図４は、イメージ・オブジェクトのセットから相関のあるイメージ・オブジェ
クトのサブセットを識別する方法のフローチャートである。図３及び図４は、組
み合わせて参照される。開始ブロック４００で、ユーザ・データまたは入力が入
力装置１１２から特殊照会の一部として受信される（ステップ４０２）。このユ
ーザデータはしきい値基準データ３１２を含むか、しきい値基準データ３１２が
少なくともユーザ・データに対応するか、そこから導出または獲得される。ユー
ザ・データまたはしきい値基準データ３１２は、例えば、しきい値ランクまたは
しきい値ランク範囲であるか、それらを含み得る。例えば、"セットのどのイメ
ージ・オブジェクトが、しきい値ランク範囲９０乃至１００を満足するのに十分
であるか？"を尋ねる特殊照会が実行される。別の例として、"どのイメージ・オ
ブジェクトが非常に類似のビジュアル・フィーチャを有するか？"を尋ねる特殊
照会が実行され、こうした照会に対応するしきい値基準データ３１２が決定され
る（例えば９０乃至１００または８０乃至１００）。
【００２０】 ユーザ・データは更に、使用可能なイメージ・フィーチャの完全なセットから
選択されたイメージ・フィーチャを含み得る。例えば、特殊照会が"平均色及び
テクスチャ・フィーチャだけに関して、どのイメージ・オブジェクトがお互いの
間で９０乃至１００のしきい値ランク範囲を有するか？"を尋ねる。
【００２１】 照会及びユーザ・データの受信に応答して、イメージ・フィーチャ比較器３１
７が、各イメージ・オブジェクトに関連付けられるイメージ・フィーチャ・デー
タ３０８を、セットの他の全てのイメージ・オブジェクトに関連付けられるイメ
ージ・フィーチャ・データ３０８と比較する（ステップ４０４）。好適には、イ
メージ・オブジェクトに関連付けられる少なくとも２つのフィーチャとの比較が
行われる。これらのフィーチャは、ユーザ選択フィーチャであってよい。これら
の比較にもとづき、類似度マトリックス・データ３１０が生成される（ステップ
４０６）。類似度マトリックス・データ３１０の各類似度値は、セットの各２つ
のイメージ・オブジェクトのイメージ・フィーチャ間の比較に対応する。好適に
は、ステップ４０４及び４０６は、適切なまたは選択されたイメージ・フィーチ
ャを用いて、各イメージ・オブジェクトに対して従来のイメージ照会ステートメ
ントを実行する。
【００２２】 次に、データ比較器３２０が類似度マトリックス３１０の各類似度値を、しき
い値基準データ３１２と比較する（ステップ４０８）。類似度マトリックス・デ
ータ３１０の各類似度値は、しきい値基準データ３１２を満足するか、満足しな
いかのいずれかである。こうした結果にもとづき、クラスタ割当て器３２２はイ
メージ・オブジェクト識別子をクラスタに論理的に関連付けるか、グループ化す
る（ステップ４１０）。好適には、クラスタ・ジェネレータ３１８は、各クラス
タ内のイメージ・オブジェクト識別子が、そのクラスタ内で識別される少なくと
も１つの他のイメージ・オブジェクトとの関連において、しきい値基準を満足す
るイメージ・オブジェクトに対応するようにクラスタを生成する。また、好適に
は、各イメージ・オブジェクト識別子は、一意的に単一クラスタに関連付けられ
る（またはどのクラスタにも関連付けられない）。
【００２３】 最後に、イメージ・オブジェクト識別子のクラスタが、視覚的にビジュアル出
力装置１１４上に表示される（ステップ４１２）。表示されるイメージ・オブジ
ェクト識別子は、関連イメージ・オブジェクトの任意の好適な識別であり、例え
ば、ファイル名、ファイル番号、イメージＩＤ、またはイメージそのものなどで
ある。好適には、各クラスタのイメージ・オブジェクト識別子は、各クラスタの
識別を容易にするために、ビジュアル出力装置１１４上で、物理的に接近して一
緒に表示される。フローチャートは終了ブロック４１４で終了し、特定の照会及
び照会応答の終了を指示する。この方法は好適にはステップ４０２に戻って継続
され、そこで別の特殊照会のユーザ・データが入力される。
【００２４】 図８を参照すると、３３個の選択イメージ・オブジェクトのセットの４つの全
てのビジュアル・フィーチャにもとづき生成された、類似度マトリックス６００
の例がマトリックス形式で示される。３３個のイメージ・オブジェクトの幾つか
が図１０乃至図１６に示され（後述）、これらは説明を支援するために選択され
たものである。かなり多数のイメージが分析されるので、明瞭化のために、３３
個の全てのイメージが示されているわけではない。分析のために選択された３３
個のイメージ・オブジェクトの各々は、花の異なるイメージを提供する。
【００２５】 図８に示されるように、類似度マトリックス６００は、Ｎ＝Ｍ＊Ｍ個の類似度
値を有する完全なＭ×Ｍマトリックスとして示されておらず、Ｍ個のイメージ・
オブジェクトのセット間の非冗長類似度値から成る。換言すると、類似度値は、
セットの２つのイメージ・オブジェクトの各固有の組み合わせに対してだけ生成
される。図４にはまた、（各々が値"１００"を有する）同一のイメージ・オブジ
ェクト間の無用な類似度値が示される。これらは単に、マトリックス内のプレー
スホルダである。こうしたマトリックスはデータ及び実行を最小化するが、冗長
なまたは無用な類似度値が生成されて、実行が成されることが判明している（例
えば、後にソフトウェアにより無視されたり、"フィルタリング"される）。しか
しながら、好適には冗長な比較はステップ４０４では実行されず、冗長な類似度
値はステップ４０６で生成されず、冗長なイメージ照会がステップ４０４及びス
テップ４０６で実行されない。従って、Ｍ個のイメージ・オブジェクトのセット
に対して生成される類似度値の数は、好適にはＮ＝Ｍ！／（２＊（Ｍ−２）！）
＝Ｍ＊（Ｍ−１）／２、または少なくともこうした数である。例えば、Ｍ＝３３
の図８に示されるように、少なくとも５２８個の類似度値が生成される（すなわ
ち、Ｍ＊（Ｍ−１）／２＝３３＊（３３−１）／２＝５２８）。
【００２６】 図９を参照すると、図８の類似度マトリックス６００にもとづくクラスタ・テ
ーブル７００が、様々なしきい値基準に関して示される。クラスタ・テーブル７
００内のクラスタは、図５乃至図７に関連して後述するクラスタ化方法にもとづ
き生成される。９０乃至１００のしきい値範囲に関連付けられる４つのクラスタ
には、クラスタ１（イメージ・オブジェクト識別子８、１０、２７）、クラスタ
２（イメージ・オブジェクト識別子１５、１９）、クラスタ３（イメージ・オブ
ジェクト識別子２５、３３）、及びクラスタ４（イメージ・オブジェクト識別子
３０、３１、３２）が含まれる。更に例えば、しきい値範囲８０乃至１００に関
連付けられるクラスタ（クラスタ４）は、イメージ・オブジェクト識別子６、１
７、２２及び２３から成る。各クラスタに対して、図９に示される結合インデッ
クス（ここではクラスタ内のイメージに対応する類似度値の平均）が生成され、
各クラスタに関連して視覚的に表示される。
【００２７】 イメージ・オブジェクト間の全ての関係を要求する特殊な照会に応答して、ク
ラスタ・テーブル７００などのクラスタ・テーブルの全部または一部が生成され
て、視覚的に表示されるが、特定のしきい値範囲を満たすクラスタだけが生成さ
れ、表示されることが好ましい（例えば、照会されるしきい値範囲９０乃至１０
０に関連付けられるクラスタ１乃至４）。
【００２８】 前述のように、図１０乃至図１６は、使用される３３個のイメージ・オブジェ
クトの幾つかのイメージ・オブジェクトのカラー・イメージを示す。現時点では
、これらのイメージ・オブジェクト（flower01.jpg、flower02.jpgなど）は、イ
ンターネットの次のＵＲＬすなわちhttp://wwwqbic.almaden.ibm.comから獲得さ
れ、ダウンロードすることができる。図１０乃至図１６の白黒コピーの読者のた
めに、次のカラー・キーに従い、イメージ内の色領域を一般に指定する参照番号
が提供される。
【表１】 参照番号 色 ８０２ 白 ８０４ 黄 ８０６ 赤 ８０８ ピンク ８１０ オレンジ ８１２ 緑 ８１４ 青 ８１６ 茶 ８１８ グレー ８２０ 黒
【００２９】 図１０、図１１及び図１２は、図９のクラスタ・テーブル７００内のクラスタ
番号１（しきい値＝９０）のイメージ・オブジェクト識別子８、１０、２７にそ
れぞれ対応するイメージ・オブジェクトを表す。図１０乃至図１２に表されるイ
メージ・オブジェクトのビジュアル・フィーチャ（例えば、平均色、位置色など
）の間の類似度に注目されたい。
【００３０】 図１３、図１４及び図１５は、図９のクラスタ・テーブル７００内のクラスタ
番号４（しきい値＝９０）のイメージ・オブジェクト識別子３０、３１、３２に
それぞれ対応するイメージ・オブジェクトを表す。図１３乃至図１５に表される
イメージ・オブジェクトのビジュアル・フィーチャの間の類似度に注目されたい
。また、クラスタ４の図１３乃至図１５に示されるビジュアル・フィーチャと、
クラスタ１の図１０乃至図１２に示されるビジュアル・フィーチャとの間の違い
に注目されたい。
【００３１】 図１６は、図９のクラスタ・テーブル７００のクラスタ１及びクラスタ４内で
は識別されない、イメージ・オブジェクト識別子１３に対応するイメージ・オブ
ジェクトであり、ここで図８に示されるように、クラスタ１内のイメージ・オブ
ジェクト識別子８、１０、２７とは、類似度値０、０、０をそれぞれ有し、クラ
スタ４内のイメージ・オブジェクト識別子３０、３１、３２とは、類似度値１６
、６、１１をそれぞれ有する。図１６と、図１０乃至図１２及び図１３乃至図１
５の各サブセットとの間のビジュアル・フィーチャの違いに注目されたい。
【００３２】 図８に示されるような類似度マトリックスを生成する好適な特定の実施例が、
Ｃ＋＋プログラミング言語により以下で示される。この特定の実施例は、図４の
ステップ４０４及び４０６で使用される。ファイル名及びファイル数などは"ハ
ードコード化"形式で示されるが、これらは可変の形式を取り得る。
【００３３】 類似度マトリックスを定式化に備えて、以下のようなコードを用いて、従来の
照会のセットが、各イメージ・オブジェクトに対して初期化される。 cmd[0] = "QbColorFeatureClass file = <client,＼"e:＼＼usr＼＼local＼＼qbic＼＼html＼＼images＼＼ibm＼＼flower
01.jpg＼">"; cmd[0] = cmd[0] + " and QbTextureFeatureClass file = <client,＼"e:＼＼usr＼＼local＼＼qbic＼＼html＼＼images＼＼ibm＼＼flower
01.jpg＼">"; cmd[0] = cmd[0] + " and QbDrawFeatureClass file = <client,＼"e:＼＼usr＼＼local＼＼qbic＼＼html＼＼images＼＼ibm＼＼flower
01.jpg＼">"; cmd[0] = cmd[0] + " and QbColorHistogramFeatureClass file = <client,＼"e:＼＼usr＼＼local＼＼qbic＼＼html＼＼images＼＼ibm＼＼flower
01.jpg＼">"; cmd[1] = "QbColorFeatureClass file = <client,＼"e:＼＼usr＼＼local＼＼qbic＼＼html＼＼images＼＼ibm＼＼flower
02.jpg＼">"; cmd[1] = cmd[1] + " and QbTextureFeatureClass file = <client,＼"e:＼＼usr＼＼local＼＼qbic＼＼html＼＼images＼＼ibm＼＼flower
02.jpg＼">"; cmd[1] = cmd[1] + " and QbDrawFeatureClass file = <client,＼"e:＼＼usr＼＼local＼＼qbic＼＼html＼＼images＼＼ibm＼＼flower
02.jpg＼">"; cmd[1] = cmd[1] + " and QbColorHistogramFeatureClass file = <client,＼"e:＼＼usr＼＼local＼＼qbic＼＼html＼＼images＼＼ibm＼＼flower
02.jpg＼">";
【００３４】 セットの他の全てのイメージに対する各イメージ・オブジェクトの類似度値の
比較及び生成は、従来の照会と関連して、次のように実行される。 for (i=0; i<33; i++) { pCur = dsQBIC->execute(cmd[i]); cout << "qbic query ["<< I <<"] done..." << endl; while (pCur->isValid()) { item = pCur->fetchNext(); if (item !=0) { for (j=1; j<= item->dataCount(); j++) { a = item->getData(j); strDataName = item->getDataName(j); switch (a.typeCode()) { case DKAny::tc_string: { strData = a; //cout << "Attribute name: "<< strDataName <<" Value: "<< strData << endl; break; } case DKAny::tc_long: { long lVal = a; strData = DKString(lVal); //cout << "Attribute name: "<< strDataName <<" Value: "<< strData << endl; if (strDataName == DKString("DKPartNo")) id = strData.asUnsigned(); if (strDataName == DKString("DKRank")) rank = strData.asUnsigned(); break; } } } S[id - 10][i] = rank; delete item; } } delete pCur; }
【００３５】 図５、図６及び図７は、類似度マトリックスを用いて、イメージ・オブジェク
ト識別子をクラスタ化する好適な方法を示すフローチャートである。この好適な
方法は、図４のフローチャートのステップ４０８及び４１０で使用される。図５
はクラスタ初期化プロシージャを示し、図６は"基本"比較によるクラスタ化プロ
シージャを示し、図７は"第２"または"拡張"比較によるクラスタ化プロシージャ
を示す。
【００３６】 図５、図６及び図７に関連付けられるフローチャートを分析する前に、好適な
基本及び拡張比較プロシージャについて、最初に１つのクラスタを形成する単純
な一般化された例により説明する。特殊な照会に応答して、しきい値基準と、第
１のイメージ・オブジェクトと第２のイメージ・オブジェクトとの間の類似度値
との基本比較が行われる。類似度値がしきい値基準を満足しない場合、しきい値
基準と、第１のイメージ・オブジェクトと別のイメージ・オブジェクトとの間の
類似度値との間で、次の基本比較が行われる。基本比較において、類似度値がし
きい値基準を満足すると、第１のイメージ・オブジェクトと第２のイメージ・オ
ブジェクトとに関連付けられるイメージ・オブジェクト識別子が、第１のクラス
タにグループ化され、拡張比較が発生する。拡張比較はしきい値基準と、第２の
イメージ・オブジェクトと第３のイメージ・オブジェクトとの間の類似度値との
間で行われる。拡張比較において類似度値がしきい値基準を満足しない場合、し
きい値基準と第２のイメージ・オブジェクトと別のイメージ・オブジェクトとの
間の類似度値との間で、次の拡張比較が行われる。拡張比較において類似度値が
しきい値基準を満足すると、第３のイメージ・オブジェクトに関連付けられるイ
メージ・オブジェクト識別子が、他のイメージ・オブジェクト識別子と一緒に、
第１のクラスタにグループ化される。第２のイメージ・オブジェクト（及び潜在
的に他のイメージ・オブジェクト）に関連付けられる拡張比較が完了すると、第
１のクラスタが完全に形成されるまで、第１のイメージ・オブジェクトに関連付
けられる基本比較が継続される。
【００３７】 図５を参照すると、クラスタ初期化プロシージャが示され、これは次の論理に
より示すことができる（ここでＭはセット内のイメージ・オブジェクトの数であ
る）。すなわち、 For（各イメージ・オブジェクトＪ（１≦Ｊ≦Ｍ）） イメージ・オブジェクトＪに関連付けられるイメージ・オブジェクト識別子
を、クラスタＪに割当てる；
【００３８】 図６に示される基本比較クラスタ化プロシージャは、次の論理に示すことがで
きる（この論理記述は、拡張比較に関連付けられるブロック５５０またはブロッ
ク"Ｂ"に対応するプロシージャを考慮しない）。すなわち、 For（各イメージ・オブジェクトＪ（１≦Ｊ≦Ｍ）） For（イメージ・オブジェクトＪとイメージ・オブジェクトＩ（Ｊ＋１≦Ｉ≦
Ｍ）との間の各類似度値） イメージ・オブジェクトＩとＪとの間の類似度値をしきい値基準と比較； If（イメージ・オブジェクトＩとＪとの間の類似度値がしきい値基準を満足
する） then クラスタＩに関連付けられる全てのイメージ・オブジェクト識別子をクラ
スタＪに割当てる； 割当て後、クラスタＩを空のセットに設定する；
【００３９】 図７に示される拡張比較クラスタ化プロシージャは、次の論理により示すこと
ができる。すなわち、 If（イメージ・オブジェクトＩとＪとの間の類似度値がしきい値基準を満足する
） then For（イメージ・オブジェクトＩとＫ（１≦Ｋ≦Ｍ、但しＫ＝ＪまたはＫ＝
Ｉを除く）との間の各類似度値） イメージ・オブジェクトＩとＫとの間の類似度値をしきい値基準と比較； If（イメージ・オブジェクトＩとＫとの間の類似度値がしきい値基準を満
足する） then クラスタＫに関連付けられる全てのイメージ・オブジェクト識別子をク
ラスタＪに割当てる； 割当て後、クラスタＫを空のセットに設定する；
【００４０】 図５、図６及び図７のフローチャートは、好適には組み合わされて、クラスタ
化のための１方法を形成する。更に、図５、図６及び図７に関連して述べられる
方法は、とりわけ次に述べるように行列アプローチを用いることにより、図８の
類似度マトリックス６００として示されるような、好適な類似度マトリックス構
成に適用され得る（ここでＭはセット内のイメージ・オブジェクトの数、Ｔはし
きい値ランク、Ｓは行及び列に関連付けられる２つのイメージ・オブジェクト間
の類似度値（例えば、行Ｉ及び列Ｊに関連付けられる２つのイメージ・オブジェ
クト間の類似度値ＳＩ、Ｊなど））。 For J =1 to M イメージＩＪをクラスタＣＪに割当て、すなわちＣＪ＝｛ＩＪ｝； END For J = 1 to M For I = (J+1) to M （SI,J≧Tなる、イメージIJに類似するイメージIIを識別） If SI,J >= T （基本比較） Then CJ及びCIをCJに併合、すなわちCJ=CJ+CI； CIを空のセットに設定、すなわちCI={ }； For K = (I+1) to M （SK,I≧Tなる、イメージIIに類似するイメージIKを識別） If SK,I >= T （拡張比較Ａ） Then CJ及びCKをCJに併合、すなわちCJ=CJ+CK； CKを空のセットに設定、すなわちCK={ }； End End For K = 1 to (I-1) （拡張比較Ｂ） （SI,K≧Tなる、イメージIIに類似するイメージIKを識別） If(K <>j AND SI,K >= T) Then CJ及びCKをCJに併合、すなわちCJ=CJ+CK； CKを空のセットに設定、すなわちCK={ }； End End End End End
【００４１】 図５、図６及び図７に関連して述べた好適な方法は、図３のクラスタ・ジェネ
レータ３１８により実行される。この方法を実行することにより、クラスタ・ジ
ェネレータ３１８は次のように、すなわち各クラスタ内の各イメージ・オブジェ
クト識別子が、同一のクラスタ内で識別される少なくとも１つの他のイメージ・
オブジェクトとの関連において、しきい値基準を満足するイメージ・オブジェク
トに対応するようにクラスタを生成する。更に、各イメージ・オブジェクト識別
子は１つのクラスタだけに一意的に関連付けられるか、どのクラスタにも関連付
けられない。クラスタ化プロシージャが、相関のあるイメージ・オブジェクトの
クラスタを１つも生成しない可能性もある（空のセット）。これはイメージ・オ
ブジェクトが互いに非常に異なるか、しきい値基準が非常に大きいまたは特定の
場合に発生する。各クラスタ内の一部のイメージ・オブジェクト識別子は、セッ
ト内で識別される他のオブジェクトとの関連において、しきい値基準を満足しな
いイメージ・オブジェクトに対応するかもしれない。例えば、クラスタ内の第１
のイメージ・オブジェクトは、クラスタ内の第２のイメージ・オブジェクトとの
関連においてしきい値基準を満足し、第２のイメージ・オブジェクトは、クラス
タ内の第３のイメージ・オブジェクトとの関連においてしきい値基準を満足する
が、第１及び第３のイメージ・オブジェクトは、互いにしきい値基準を満足しな
いかもしれない。
【００４２】 多くの他の好適なクラスタ化方法が容易に理解され、明らかになろう。例えば
、単一の拡張比較と基本比較との組み合わせが好適であるが、クラスタ化は基本
比較と複数の拡張比較（最大限度まで）とにより、或いは、基本比較だけにより
実行されてもよい。別の実施例では、各クラスタの各イメージ・オブジェクト識
別子が、同一のクラスタ内で識別される他の全てのイメージ・オブジェクトとの
関連において、しきい値基準を満足するように生成される。
【００４３】 図８を再度参照すると、９０乃至１００のしきい値範囲にもとづき生成される
４つのクラスタに関連付けられる類似度値グループが、類似度マトリックス６０
０内で識別される。類似度値６０２（類似度値９０、９２及び９３を含む）は、
イメージ・オブジェクト識別子８、１０及び２７から成るクラスタ（図９におい
てしきい値＝９０に対応するクラスタ１であり、図１０、図１１及び図１２のイ
メージを含む）に関連付けられる。類似度値グループ６０４（類似度値＝９１を
含む）は、イメージ・オブジェクト識別子１５及び１９から成るクラスタ（図９
においてしきい値＝９０に対応するクラスタ２）に関連付けられる。類似度値グ
ループ６０６（類似度値＝９０を含む）は、イメージ・オブジェクト識別子２５
及び３３から成るクラスタ（図９においてしきい値＝９０に対応するクラスタ３
）に関連付けられる。また、類似度値グループ６０８（類似度値＝９１、９２、
９１を含む）は、イメージ・オブジェクト識別子３０、３１及び３２から成るク
ラスタ（図９においてしきい値＝９０に対応するクラスタ４であり、図１３、図
１４及び図１５のイメージを含む）に関連付けられる。
【００４４】 異なるしきい値範囲（しきい値範囲＝８０乃至１００）に関連付けられて、類
似度値グループ６１０（類似度値＝８１、８３、８９を含む）は、イメージ・オ
ブジェクト識別子６、１７、２２及び２３から成るクラスタ（図９においてしき
い値＝８０に対応するクラスタ４）に関連付けられる。このクラスタ４において
、イメージ・オブジェクト識別子２３は、イメージ・オブジェクト識別子１７及
び２２の各々に関連して、しきい値＝８０を越える類似度値（それぞれ類似度値
＝８３及び８９）を有するが、イメージ・オブジェクト識別子６に関連しては、
そうではない（類似度値＝７５）。しかしながら、イメージ・オブジェクト識別
子２２はイメージ・オブジェクト識別子６に関連して、しきい値を越える類似度
値（類似度値＝８１）を有する。
【００４５】 類似度値グループ６０２、６０４、６０６、６０８及び６１０に対応する前記
のクラスタに関連付けられるイメージ・オブジェクト識別子は、図６の基本比較
プロシージャの実行にもとづきクラスタ化され、場合によっては、図６及び図７
の基本及び拡張比較プロシージャの組み合わせ実行にもとづき、クラスタ化され
る。
【００４６】 当業者であれば理解できるように、ここで述べた方法及び装置は、本発明の範
囲内で多様に変更可能である。例えば、イメージ・オブジェクトがこの特定のア
プリケーションにおいて述べられたが、他の複合データ・オブジェクト（オーデ
ィオ、ビデオなど）についても同様に扱われ得る。別の例として、ここで述べた
以外のイメージ・フィーチャが、イメージ・オブジェクトに関連付けられる既存
のフィーチャのセットに追加され、本発明において使用されてもよい。
【００４７】 更に別の例として、所与の照会の前に、１つ以上の類似度マトリックスが（イ
メージ・フィーチャの各異なるサブセットまたはフルセットに対応して）生成さ
れメモリに記憶される。同様に、所与の照会の前にクラスタ・テーブルやテーブ
ル（図９のクラスタ・テーブル７００など）が生成され、メモリに記憶されても
よい。この場合、こうしたマトリックスまたはクラスタ・テーブルの更新または
保守は、データベースへのイメージ・オブジェクトの新たなエントリの後に実行
されてよい。この保守はシステムにより、手動式にまたは自動的に実行される。
例えば、システムは新たなエントリに応答して、即時保守を自動的に実行したり
、或いは新たなエントリが形成された場合には、所定期間保守を実行することが
できる。すなわち、こうしたマトリックスまたはクラスタ・テーブルは、照会要
求とは異なる１つの要求（例えば管理保守要求）に応答して生成され得る。
【００４８】 従って、従来のイメージ照会技術に対するイメージ・クラスタ化の拡張が、"
ビジュアル・マイニング"機能を多大に改善する。本発明は好適には、ＩＢＭデ
ジタル・ライブラリ（ＤＬ）製品において提供されるＱＢＩＣ技術の既に強力な
機能を向上させる。この拡張はデジタル・イメージにおいて非常に実用的であり
、ユーザがイメージの収集の間の相互関係を理解するのに有用である。こうした
相互関係を問い合わせる能力は、広告代理店やアニメーション制作会社などの特
定の業種において、特に重要である。
【００４９】 本発明によれば、イメージ・オブジェクトのセットから、相関のあるイメージ
・オブジェクトのサブセットを識別する方法が提供され、この方法は前記セット
の各イメージ・オブジェクトのイメージ・フィーチャを、前記セットの他の全て
のイメージ・オブジェクトのイメージ・フィーチャと比較するステップと、各比
較において類似度値を生成するステップと、前記セットの相関のあるイメージ・
オブジェクトのサブセットを識別するステップとを含む。サブセット内で識別さ
れる各イメージ・オブジェクトは、同一サブセット内で識別される少なくとも１
つの他のイメージ・オブジェクトとの関連において、しきい値基準を満足する類
似度値を有する。
【００５０】 前記の方法は更に、しきい値基準を各々の類似度値と比較するステップを含み
得る。
【００５１】 前記の方法は更に、しきい値基準に関連付けられるユーザ入力を受信するステ
ップと、相関のあるイメージ・オブジェクトのサブセットの識別を視覚的に表示
するステップとを含み得る。
【００５２】 前記の方法において、イメージ・フィーチャを比較するステップが、前記ユー
ザ入力の受信に応答して実行される。
【００５３】 前記の方法に従う装置は、イメージ・オブジェクトのセット及びそれらに関連
付けされるイメージ・フィーチャを記憶するメモリと、イメージ・オブジェクト
のセットから相関のあるイメージ・オブジェクトの少なくとも１つのサブセット
を識別するための照会を受信する入力装置と、相関のあるイメージ・オブジェク
トの少なくとも１つのサブセットに対応する、イメージ・オブジェクト識別子の
少なくとも１つのサブセットを視覚的に表示するビジュアル出力装置とを含む。
【００５４】 イメージ・オブジェクト識別子をクラスタ化する方法が、ａ）しきい値基準を
、セットの第１のイメージ・オブジェクトと他のイメージ・オブジェクトとの間
の第１の複数の類似度値の各々と比較するステップと、ｂ）前記比較ステップａ
）の結果から、第１のイメージ・オブジェクトと第２のイメージ・オブジェクト
との間の類似度値が、しきい値基準を満足するとの判断に応答して、しきい値基
準を、セットの第２のイメージ・オブジェクトと他のイメージ・オブジェクトと
の間の第２の複数の類似度値の各々と比較するステップと、ｃ）前記比較ステッ
プｂ）の結果から、第２のイメージ・オブジェクトと第３のイメージ・オブジェ
クトとの間の類似度値が、しきい値基準を満足するとの判断に応答して、前記第
１、第２及び第３のイメージ・オブジェクトに関連付けられるイメージ・オブジ
ェクト識別子を、クラスタに論理的にグループ化するステップとを含む。
【００５５】 前記の方法は更に、ｄ）しきい値基準に関連付けられる照会を入力装置から受
信するステップと、ｅ）イメージ・オブジェクト識別子の論理的なグループ化を
、ビジュアル出力装置に視覚的に表示するステップとを含み得る。
【００５６】 前記の方法において、ａ）における比較は、ｄ）における照会の受信に応答し
て実行される。
【００５７】 前記の方法は更に、ｄ）における照会の受信に応答して、第１及び第２の複数
の類似度値を生成するステップを含む。
【００５８】 コンピュータ・ソフトウェア製品が類似度値ジェネレータ・コードを含み、前
記類似度値ジェネレータ・コードが１つの要求に応答して、少なくとも４つのイ
メージ・オブジェクトのセットの各イメージ・オブジェクトと、他の全てのイメ
ージ・オブジェクトとに対して、類似度値を生成するために実行可能である。
【００５９】 前記のコンピュータ・ソフトウェア製品は更に、クラスタ・ジェネレータ・コ
ードを含み、前記クラスタ・ジェネレータ・コードが、類似度値及びしきい値基
準にもとづき、イメージ・オブジェクト識別子の少なくとも１つのクラスタを生
成するために実行可能である。
【００６０】 前記のコンピュータ・ソフトウェア製品は更に、前記類似度値ジェネレータ・
コードのイメージ・フィーチャ比較器コードを含む。
【００６１】 前記のコンピュータ・ソフトウェア製品は更に、類似度値としきい値基準とを
比較するために実行可能な、前記クラスタ・ジェネレータ・コードのデータ比較
器コードと、前記データ比較器コードと関連して実行可能な、前記クラスタ・ジ
ェネレータ・コードのクラスタ割当て器コードとを含む。
【００６２】 前記のコンピュータ・ソフトウェア製品において、類似度値ジェネレータ・コ
ードは、セットの各イメージ・オブジェクトと他の全てのイメージ・オブジェク
トとのイメージ照会を生成するために実行可能なコードを含む。
【００６３】 まとめとして、本発明の構成に関して以下の事項を開示する。
【００６４】 （１）イメージ・オブジェクトのセットの全てのイメージ・オブジェクトのイ
メージ・フィーチャ間の類似度値を生成する類似度値ジェネレータと、 類似度値及び照会に関連付けられるしきい値基準にもとづき、イメージ・オブ
ジェクト識別子の少なくとも１つのサブセットを生成するクラスタ・ジェネレー
タと を含む装置。 （２）イメージ・オブジェクトのセットから、相関のあるイメージ・オブジェ
クトのサブセットを識別する方法であって、 前記セットの各イメージ・オブジェクトのイメージ・フィーチャを、前記セッ
トの他の全てのイメージ・オブジェクトのイメージ・フィーチャと比較するステ
ップと、 各比較において類似度値を生成するステップと、 前記セットの相関のあるイメージ・オブジェクトのサブセットを識別するステ
ップと を含み、サブセット内で識別される各イメージ・オブジェクトが、同一のサブ
セット内で識別される少なくとも１つの他のイメージ・オブジェクトとの関連に
おいて、しきい値基準を満足する類似度値を有する方法。 （３）イメージ・オブジェクト識別子をクラスタ化する方法であって、 ａ）しきい値基準を、セットの第１のイメージ・オブジェクトと他のイメージ
・オブジェクトとの間の第１の複数の類似度値の各々と比較するステップと、 ｂ）ａ）の結果から、前記第１のイメージ・オブジェクトと第２のイメージ・
オブジェクトとの間の類似度値が、前記しきい値基準を満足するとの判断に応答
して、前記しきい値基準を、前記セットの前記第２のイメージ・オブジェクトと
他のイメージ・オブジェクトとの間の第２の複数の類似度値の各々と比較するス
テップと、 ｃ）ｂ）の結果から、前記第２のイメージ・オブジェクトと第３のイメージ・
オブジェクトとの間の類似度値が、前記しきい値基準を満足するとの判断に応答
して、前記第１、第２及び第３のイメージ・オブジェクトに関連付けられるイメ
ージ・オブジェクト識別子を、クラスタに論理的にグループ化するステップと を含む方法。 （４）イメージ・オブジェクト識別子のクラスタを生成するソフトウェアであ
って、 しきい値基準を、セットの第１のイメージ・オブジェクトと他のイメージ・オ
ブジェクトとの間の第１の複数の類似度値の各々と比較するために実行可能な基
本比較ソフトウェアと、 前記第１のイメージ・オブジェクトと第２のイメージ・オブジェクトとの間の
類似度値が、前記しきい値基準を満足するとの、前記基本比較ソフトウェアによ
る判断に応答して、前記しきい値基準を、前記セットの前記第２のイメージ・オ
ブジェクトと他のイメージ・オブジェクトとの間の第２の複数の類似度値の各々
と比較するために実行される第２の比較ソフトウェアと を含むソフトウェア。 （５）１つの要求に応答して、少なくとも４つのイメージ・オブジェクトのセ
ットの各イメージ・オブジェクトと、他の全てのイメージ・オブジェクトとに対
して、類似度値を生成するために実行可能な類似度値ジェネレータ・コードを含
む、コンピュータ・ソフトウェア製品。 （６）Ｍ個のイメージ・オブジェクトのセットに関連付けられるイメージ・オ
ブジェクト識別子をクラスタ化する方法であって、 各イメージ・オブジェクトＪ（１≦Ｊ≦Ｍ）について、イメージ・オブジェク
トＪに関連付けられるイメージ・オブジェクト識別子を、クラスタＪに割当てる
ステップと、 各イメージ・オブジェクトＪ（１≦Ｊ≦Ｍ）について、イメージ・オブジェク
トＪとイメージ・オブジェクトＩ（Ｊ＋１≦Ｉ≦Ｍ）との間の各類似度ランクに
ついて、 イメージ・オブジェクトＩとＪとの間の類似度ランクを、しきい値基準と比
較するステップと、 イメージ・オブジェクトＩとＪとの間の類似度値が、前記しきい値基準を満
足する場合、 クラスタＩに関連付けられる全てのイメージ・オブジェクト識別子をクラ
スタＪに割当てるステップと、 割当て後、クラスタＩを空のセットに設定するステップと を含む方法。 （７）イメージ・オブジェクトのセット及び該イメージ・オブジェクトに関連
付けされるイメージ・フィーチャを記憶するメモリと、 前記イメージ・オブジェクトのセットから相関のあるイメージ・オブジェクト
の少なくとも１つのサブセットを識別するための照会を受信する入力装置と、 相関のあるイメージ・オブジェクトの少なくとも１つのサブセットに対応する
、イメージ・オブジェクト識別子の少なくとも１つのサブセットを視覚的に表示
するビジュアル出力装置と を含む、前記（１）記載の装置。 （８）前記類似度値ジェネレータから、前記しきい値基準及び前記類似度値を
受信する、前記クラスタ・ジェネレータのデータ比較器と、 前記データ比較器と関連して動作する、前記クラスタ・ジェネレータのクラス
タ割当て器と を含む、前記（１）記載の装置。 （９）前記類似度値ジェネレータのイメージ・フィーチャ比較器を含む、前記
（１）記載の装置。 （１０）イメージ・オブジェクトＩとＪとの間の類似度ランクがしきい値基準
を満足する場合、 イメージ・オブジェクトＩとＫ（１≦Ｋ≦Ｍ、但しＫ＝ＪまたはＫ＝Ｉを除
く）との間の各類似度値について、 イメージ・オブジェクトＩとＫとの間の類似度値を、前記しきい値基準と
比較するステップと、 イメージ・オブジェクトＩとＫとの間の類似度値が、前記しきい値基準を
満足する場合、 クラスタＫに関連付けられる全てのイメージ・オブジェクト識別子を、
クラスタＪに割当てるステップと、 割当て後、クラスタＫを空のセットに設定するステップと、 を含む、前記（２）記載の方法。
【図面の簡単な説明】
【図１】 クライアント、ライブラリ・サーバ、及びオブジェクト・サーバを含むコンピ
ュータ・システムのブロック図である。
【図２】 図１のコンピュータ・システムに含まれるイメージ検索サーバのブロック図で
ある。
【図３】 イメージ・オブジェクトのセットから相関のあるイメージ・オブジェクトのサ
ブセットを識別する装置のブロック図である。
【図４】 イメージ・オブジェクトのセットから相関のあるイメージ・オブジェクトのサ
ブセットを識別する方法のフローチャートである。
【図５】 イメージ・オブジェクト識別子をクラスタ化する、より詳細には、クラスタ初
期化プロシージャを示す好適な方法の第１のフローチャートである。
【図６】 クラスタ化の好適な方法、より詳細には、基本比較プロシージャの第２のフロ
ーチャートである。
【図７】 クラスタ化の好適な方法、より詳細には、補助または拡張比較プロシージャの
第３のフローチャートである。
【図８】 ３３個のイメージ・オブジェクトの特定のセットにもとづき生成された類似度
マトリックスの例である。
【図９】 図５、図６、図７、及び図８の類似度マトリックスに関連して述べられる好適
な方法にもとづき生成される、所与のしきい値基準におけるイメージ・オブジェ
クト識別子のクラスタを示すテーブルである。
【図１０】 使用される３３個のイメージ・オブジェクトの内で、図９のテーブルにおいて
、しきい値ランク９０に関連付けられるクラスタ番号１内で識別される８番目の
イメージ・オブジェクトのカラー説明図である。
【図１１】 使用される３３個のイメージ・オブジェクトの内で、図９のテーブルにおいて
、しきい値ランク９０に関連付けられるクラスタ番号１内で識別される１０番目
のイメージ・オブジェクトのカラー説明図である。
【図１２】 使用される３３個のイメージ・オブジェクトの内で、図９のテーブルにおいて
、しきい値ランク９０に関連付けられるクラスタ番号１内で識別される２７番目
のイメージ・オブジェクトのカラー説明図である。
【図１３】 使用される３３個のイメージ・オブジェクトの内で、図９のテーブルにおいて
、しきい値ランク９０に関連付けられるクラスタ番号４内で識別される３０番目
のイメージ・オブジェクトのカラー説明図である。
【図１４】 使用される３３個のイメージ・オブジェクトの内で、図９のテーブルにおいて
、しきい値ランク９０に関連付けられるクラスタ番号４内で識別される３１番目
のイメージ・オブジェクトのカラー説明図である。
【図１５】 使用される３３個のイメージ・オブジェクトの内で、図９のテーブルにおいて
、しきい値ランク９０に関連付けられるクラスタ番号４内で識別される３２番目
のイメージ・オブジェクトのカラー説明図である。
【図１６】 使用される３３個のイメージ・オブジェクトの内で、図９のテーブルにおいて
、しきい値ランク９０に関連付けられ、クラスタ番号１または４内で識別されな
い１３番目のイメージ・オブジェクトのカラー説明図である。
【符号の説明】
１０２ クライアント １０４ ライブラリ・サーバ １０６ オブジェクト・サーバ １０８、３０４ プロセッサ １１０ ユーザ・インタフェース １１２ 入力装置 １１４ ビジュアル出力装置 ２０２ イメージ検索サーバ ３０２ メモリ ３１６ 類似度マトリックス・ジェネレータ ３１７ イメージ・フィーチャ比較器 ３１８ クラスタ・ジェネレータ ３２０ データ比較器 ３２２ クラスタ割当て器
───────────────────────────────────────────────────── フロントページの続き (81)指定国 ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＣＹ， ＤＥ，ＤＫ，ＥＳ，ＦＩ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，Ｉ Ｔ，ＬＵ，ＭＣ，ＮＬ，ＰＴ，ＳＥ)，ＯＡ(ＢＦ，ＢＪ ，ＣＦ，ＣＧ，ＣＩ，ＣＭ，ＧＡ，ＧＮ，ＧＷ，ＭＬ， ＭＲ，ＮＥ，ＳＮ，ＴＤ，ＴＧ)，ＡＰ(ＧＨ，ＧＭ，Ｋ Ｅ，ＬＳ，ＭＷ，ＳＤ，ＳＬ，ＳＺ，ＴＺ，ＵＧ，ＺＷ )，ＥＡ(ＡＭ，ＡＺ，ＢＹ，ＫＧ，ＫＺ，ＭＤ，ＲＵ， ＴＪ，ＴＭ)，ＡＥ，ＡＬ，ＡＭ，ＡＴ，ＡＵ，ＡＺ， ＢＡ，ＢＢ，ＢＧ，ＢＲ，ＢＹ，ＣＡ，ＣＨ，ＣＮ，Ｃ Ｒ，ＣＵ，ＣＺ，ＤＥ，ＤＫ，ＤＭ，ＥＥ，ＥＳ，ＦＩ ，ＧＢ，ＧＤ，ＧＥ，ＧＨ，ＧＭ，ＨＲ，ＨＵ，ＩＤ， ＩＬ，ＩＮ，ＩＳ，ＪＰ，ＫＥ，ＫＧ，ＫＰ，ＫＲ，Ｋ Ｚ，ＬＣ，ＬＫ，ＬＲ，ＬＳ，ＬＴ，ＬＵ，ＬＶ，ＭＤ ，ＭＧ，ＭＫ，ＭＮ，ＭＷ，ＭＸ，ＮＯ，ＮＺ，ＰＬ， ＰＴ，ＲＯ，ＲＵ，ＳＤ，ＳＥ，ＳＧ，ＳＩ，ＳＫ，Ｓ Ｌ，ＴＪ，ＴＭ，ＴＲ，ＴＴ，ＵＡ，ＵＧ，ＵＺ，ＶＮ ，ＹＵ，ＺＡ，ＺＷ Ｆターム(参考） 5B075 ND06 NK08 NR12 PQ02 PQ13 PQ36 PR06 QM08 5L096 AA02 AA06 FA34 GA08 GA51 JA04 JA22 MA07

Claims (10)

    【特許請求の範囲】
  1. 【請求項１】 イメージ・オブジェクトのセットの全てのイメージ・オブジェクトのイメージ
    ・フィーチャ間の類似度値を生成する類似度値ジェネレータと、 類似度値及び照会に関連付けられるしきい値基準にもとづき、イメージ・オブ
    ジェクト識別子の少なくとも１つのサブセットを生成するクラスタ・ジェネレー
    タと を含む装置。
  2. 【請求項２】 イメージ・オブジェクトのセットから、相関のあるイメージ・オブジェクトの
    サブセットを識別する方法であって、 前記セットの各イメージ・オブジェクトのイメージ・フィーチャを、前記セッ
    トの他の全てのイメージ・オブジェクトのイメージ・フィーチャと比較するステ
    ップと、 各比較において類似度値を生成するステップと、 前記セットの相関のあるイメージ・オブジェクトのサブセットを識別するステ
    ップと を含み、サブセット内で識別される各イメージ・オブジェクトが、同一のサブ
    セット内で識別される少なくとも１つの他のイメージ・オブジェクトとの関連に
    おいて、しきい値基準を満足する類似度値を有する方法。
  3. 【請求項３】 イメージ・オブジェクト識別子をクラスタ化する方法であって、 ａ）しきい値基準を、セットの第１のイメージ・オブジェクトと他のイメージ
    ・オブジェクトとの間の第１の複数の類似度値の各々と比較するステップと、 ｂ）ａ）の結果から、前記第１のイメージ・オブジェクトと第２のイメージ・
    オブジェクトとの間の類似度値が、前記しきい値基準を満足するとの判断に応答
    して、前記しきい値基準を、前記セットの前記第２のイメージ・オブジェクトと
    他のイメージ・オブジェクトとの間の第２の複数の類似度値の各々と比較するス
    テップと、 ｃ）ｂ）の結果から、前記第２のイメージ・オブジェクトと第３のイメージ・
    オブジェクトとの間の類似度値が、前記しきい値基準を満足するとの判断に応答
    して、前記第１、第２及び第３のイメージ・オブジェクトに関連付けられるイメ
    ージ・オブジェクト識別子を、クラスタに論理的にグループ化するステップと を含む方法。
  4. 【請求項４】 イメージ・オブジェクト識別子のクラスタを生成するソフトウェアであって、 しきい値基準を、セットの第１のイメージ・オブジェクトと他のイメージ・オ
    ブジェクトとの間の第１の複数の類似度値の各々と比較するために実行可能な基
    本比較ソフトウェアと、 前記第１のイメージ・オブジェクトと第２のイメージ・オブジェクトとの間の
    類似度値が、前記しきい値基準を満足するとの、前記基本比較ソフトウェアによ
    る判断に応答して、前記しきい値基準を、前記セットの前記第２のイメージ・オ
    ブジェクトと他のイメージ・オブジェクトとの間の第２の複数の類似度値の各々
    と比較するために実行される第２の比較ソフトウェアと を含むソフトウェア。
  5. 【請求項５】 １つの要求に応答して、少なくとも４つのイメージ・オブジェクトのセットの
    各イメージ・オブジェクトと、他の全てのイメージ・オブジェクトとに対して、
    類似度値を生成するために実行可能な類似度値ジェネレータ・コードを含む、コ
    ンピュータ・ソフトウェア製品。
  6. 【請求項６】 Ｍ個のイメージ・オブジェクトのセットに関連付けられるイメージ・オブジェ
    クト識別子をクラスタ化する方法であって、 各イメージ・オブジェクトＪ（１≦Ｊ≦Ｍ）について、イメージ・オブジェク
    トＪに関連付けられるイメージ・オブジェクト識別子を、クラスタＪに割当てる
    ステップと、 各イメージ・オブジェクトＪ（１≦Ｊ≦Ｍ）について、イメージ・オブジェク
    トＪとイメージ・オブジェクトＩ（Ｊ＋１≦Ｉ≦Ｍ）との間の各類似度ランクに
    ついて、 イメージ・オブジェクトＩとＪとの間の類似度ランクを、しきい値基準と比
    較するステップと、 イメージ・オブジェクトＩとＪとの間の類似度値が、前記しきい値基準を満
    足する場合、 クラスタＩに関連付けられる全てのイメージ・オブジェクト識別子をクラ
    スタＪに割当てるステップと、 割当て後、クラスタＩを空のセットに設定するステップと を含む方法。
  7. 【請求項７】 イメージ・オブジェクトのセット及び該イメージ・オブジェクトに関連付けさ
    れるイメージ・フィーチャを記憶するメモリと、 前記イメージ・オブジェクトのセットから相関のあるイメージ・オブジェクト
    の少なくとも１つのサブセットを識別するための照会を受信する入力装置と、 相関のあるイメージ・オブジェクトの少なくとも１つのサブセットに対応する
    、イメージ・オブジェクト識別子の少なくとも１つのサブセットを視覚的に表示
    するビジュアル出力装置と を含む、請求項１記載の装置。
  8. 【請求項８】 前記類似度値ジェネレータから、前記しきい値基準及び前記類似度値を受信す
    る、前記クラスタ・ジェネレータのデータ比較器と、 前記データ比較器と関連して動作する、前記クラスタ・ジェネレータのクラス
    タ割当て器と を含む、請求項１記載の装置。
  9. 【請求項９】 前記類似度値ジェネレータのイメージ・フィーチャ比較器を含む、請求項１記
    載の装置。
  10. 【請求項１０】 イメージ・オブジェクトＩとＪとの間の類似度ランクがしきい値基準を満足す
    る場合、 イメージ・オブジェクトＩとＫ（１≦Ｋ≦Ｍ、但しＫ＝ＪまたはＫ＝Ｉを除
    く）との間の各類似度値について、 イメージ・オブジェクトＩとＫとの間の類似度値を、前記しきい値基準と
    比較するステップと、 イメージ・オブジェクトＩとＫとの間の類似度値が、前記しきい値基準を
    満足する場合、 クラスタＫに関連付けられる全てのイメージ・オブジェクト識別子を、
    クラスタＪに割当てるステップと、 割当て後、クラスタＫを空のセットに設定するステップと、 を含む、請求項２記載の方法。
JP2000587283A 1998-12-09 1999-12-07 イメージ・オブジェクトのセットから、相関のあるイメージ・オブジェクトのサブセットを識別する方法及び装置 Pending JP2002532786A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US09/208,722 1998-12-09
US09/208,722 US6512850B2 (en) 1998-12-09 1998-12-09 Method of and apparatus for identifying subsets of interrelated image objects from a set of image objects
PCT/GB1999/004105 WO2000034893A1 (en) 1998-12-09 1999-12-07 Method of and apparatus for identifying subsets of interrelated image objects from a set of image objects

Publications (1)

Publication Number Publication Date
JP2002532786A true JP2002532786A (ja) 2002-10-02

Family

ID=22775761

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2000587283A Pending JP2002532786A (ja) 1998-12-09 1999-12-07 イメージ・オブジェクトのセットから、相関のあるイメージ・オブジェクトのサブセットを識別する方法及び装置

Country Status (10)

Country Link
US (1) US6512850B2 (ja)
EP (1) EP1141865A1 (ja)
JP (1) JP2002532786A (ja)
KR (1) KR100491801B1 (ja)
CN (1) CN100437558C (ja)
AU (1) AU1577400A (ja)
IL (1) IL141962A0 (ja)
PL (1) PL347828A1 (ja)
TW (1) TWI237776B (ja)
WO (1) WO2000034893A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019174889A (ja) * 2018-03-27 2019-10-10 日本電気株式会社 クラスタ分析システム、クラスタ分析方法およびクラスタ分析プログラム

Families Citing this family (54)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3748172B2 (ja) 1998-12-09 2006-02-22 富士通株式会社 画像処理装置
JP3581265B2 (ja) * 1999-01-06 2004-10-27 シャープ株式会社 画像処理方法およびその装置
US7096426B1 (en) * 1999-05-07 2006-08-22 Catherine Lin-Hendel Clustered presentation of objects with group and individual identity in, and virtual layered composition of, electronically recorded, computer presented media
US6411724B1 (en) * 1999-07-02 2002-06-25 Koninklijke Philips Electronics N.V. Using meta-descriptors to represent multimedia information
KR20010081894A (ko) * 2000-02-18 2001-08-29 구자홍 이종 시스템간의 내용기반 멀티미디어 검색을 가능하게하는 칼라 히스토그램 변환방법, 멀티미디어 검색 방법,데이터 구조 및 멀티미디어 검색 시스템
JP2001256244A (ja) * 2000-03-14 2001-09-21 Fuji Xerox Co Ltd 画像データ分類装置および画像データ分類方法
US20020164070A1 (en) * 2001-03-14 2002-11-07 Kuhner Mark B. Automatic algorithm generation
JP4612969B2 (ja) * 2001-07-05 2011-01-12 富士フイルム株式会社 画像比較装置、画像比較方法、画像比較用プログラム、撮影装置、及び撮影方法。
US6950533B2 (en) * 2001-07-31 2005-09-27 International Business Machines Corporation Sorting images for improved data entry productivity
KR100850935B1 (ko) * 2001-12-27 2008-08-08 주식회사 엘지이아이 장면 전환 검출 장치
KR100976930B1 (ko) * 2002-03-22 2010-08-18 브리티쉬 텔리커뮤니케이션즈 파블릭 리미티드 캄퍼니 패턴 비교 방법
US7103225B2 (en) * 2002-11-07 2006-09-05 Honda Motor Co., Ltd. Clustering appearances of objects under varying illumination conditions
WO2004066201A2 (en) * 2003-01-16 2004-08-05 Schrenk Robert A Graphical internet search system and methods
JP4336950B2 (ja) * 2003-05-15 2009-09-30 富士ゼロックス株式会社 画像処理装置
US7248738B2 (en) * 2003-11-13 2007-07-24 Honda Motor Co. Image clustering with metric, local linear structure, and affine symmetry
FR2865050B1 (fr) * 2004-01-12 2006-04-07 Canon Res Ct France S A S Procede et dispositif de recherche rapide d'entites multimedia.
US7856136B2 (en) * 2004-04-14 2010-12-21 Drvision Technologies Llc Analysis of patterns among objects of a plurality of classes
US7590310B2 (en) 2004-05-05 2009-09-15 Facet Technology Corp. Methods and apparatus for automated true object-based image analysis and retrieval
US20060082672A1 (en) * 2004-10-14 2006-04-20 M-Systems Flash Disk Pioneers Ltd. Filtering digital images
CN100391232C (zh) * 2005-01-07 2008-05-28 智辉研发股份有限公司 数字影像闪光场景检测与消除方法
US9092458B1 (en) * 2005-03-08 2015-07-28 Irobot Corporation System and method for managing search results including graphics
KR100706389B1 (ko) * 2005-07-15 2007-04-10 (주)첫눈 이미지 상호간의 유사도를 고려한 이미지 검색 방법 및장치
EP1755067A1 (en) * 2005-08-15 2007-02-21 Mitsubishi Electric Information Technology Centre Europe B.V. Mutual-rank similarity-space for navigating, visualising and clustering in image databases
US20070160274A1 (en) * 2006-01-10 2007-07-12 Adi Mashiach System and method for segmenting structures in a series of images
US8736547B2 (en) * 2006-04-20 2014-05-27 Hewlett-Packard Development Company, L.P. Method and system for interfacing a digital device with an interactive display surface
US8027549B2 (en) * 2006-06-12 2011-09-27 D&S Consultants, Inc. System and method for searching a multimedia database using a pictorial language
US7870140B2 (en) * 2006-06-12 2011-01-11 D&S Consultants, Inc. System and method of incorporating user preferences in image searches
US8504547B1 (en) * 2008-04-23 2013-08-06 Google Inc. Customizing image search for user attributes
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
US8577910B1 (en) 2009-05-15 2013-11-05 Google Inc. Selecting relevant languages for query translation
US8572109B1 (en) 2009-05-15 2013-10-29 Google Inc. Query translation quality confidence
US8577909B1 (en) 2009-05-15 2013-11-05 Google Inc. Query translation using bilingual search refinements
US8538957B1 (en) * 2009-06-03 2013-09-17 Google Inc. Validating translations using visual similarity between visual media search results
US8571333B2 (en) * 2010-10-17 2013-10-29 Canon Kabushiki Kaisha Data clustering
US9311374B2 (en) * 2010-11-30 2016-04-12 Red Hat, Inc. Replicating data objects within a storage network based on resource attributes
US10108500B2 (en) 2010-11-30 2018-10-23 Red Hat, Inc. Replicating a group of data objects within a storage network
US8341145B2 (en) * 2010-12-20 2012-12-25 Microsoft Corporation Face recognition using social data
US9036925B2 (en) 2011-04-14 2015-05-19 Qualcomm Incorporated Robust feature matching for visual search
US8706711B2 (en) 2011-06-22 2014-04-22 Qualcomm Incorporated Descriptor storage and searches of k-dimensional trees
US20130080950A1 (en) * 2011-09-27 2013-03-28 International Business Machines Corporation Incrementally self-organizing workspace
US8908962B2 (en) * 2011-09-30 2014-12-09 Ebay Inc. Item recommendations using image feature data
EP2608062A1 (en) * 2011-12-23 2013-06-26 Thomson Licensing Method of automatic management of images in a collection of images and corresponding device
KR101191172B1 (ko) * 2012-02-15 2012-10-15 (주)올라웍스 이미지 데이터베이스의 이미지들을 관리하는 방법, 장치 및 컴퓨터 판독 가능한 기록 매체
US20130238747A1 (en) 2012-03-06 2013-09-12 Apple Inc. Image beaming for a media editing application
US9041727B2 (en) 2012-03-06 2015-05-26 Apple Inc. User interface tools for selectively applying effects to image
US9131192B2 (en) 2012-03-06 2015-09-08 Apple Inc. Unified slider control for modifying multiple image properties
CN103177110B (zh) * 2013-03-28 2016-08-24 百度在线网络技术（北京）有限公司 搜索成套图像的方法和设备
WO2015049732A1 (ja) * 2013-10-02 2015-04-09 株式会社日立製作所 画像検索方法、画像検索システム、および情報記録媒体
KR20150049877A (ko) * 2013-10-31 2015-05-08 삼성에스디에스 주식회사 데이터 군집 관리 장치 및 방법
US10002310B2 (en) * 2014-04-29 2018-06-19 At&T Intellectual Property I, L.P. Method and apparatus for organizing media content
CN104133899B (zh) * 2014-08-01 2017-10-13 百度在线网络技术（北京）有限公司 图片搜索库的生成方法和装置、图片搜索方法和装置
WO2016118156A1 (en) * 2015-01-23 2016-07-28 Hewlett-Packard Development Company, L.P. Visually interactive identification of a cohort of data objects similar to a query object based on domain knowledge
US10489681B2 (en) 2015-04-15 2019-11-26 Stmicroelectronics S.R.L. Method of clustering digital images, corresponding system, apparatus and computer program product
US10037615B2 (en) * 2016-07-01 2018-07-31 Disney Enterprises, Inc. System and method facilitating palette-based color editing

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03164929A (ja) * 1989-11-24 1991-07-16 Nec Corp 項目番号に依存しないクラスタリング装置
JPH08255173A (ja) * 1995-03-16 1996-10-01 Fuji Xerox Co Ltd クラスタリング装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5864855A (en) * 1996-02-26 1999-01-26 The United States Of America As Represented By The Secretary Of The Army Parallel document clustering process
US5915250A (en) * 1996-03-29 1999-06-22 Virage, Inc. Threshold-based comparison
EP0977987A4 (en) 1997-04-11 2006-03-22 Robert D Clark OPTIMAL DISSEMBLANCE APPLIED TO THE SEARCH FOR TYPICAL INFORMATION IN A LARGE INFORMAL CORPUS
US6104835A (en) * 1997-11-14 2000-08-15 Kla-Tencor Corporation Automatic knowledge database generation for classifying objects and systems therefor
US6049797A (en) * 1998-04-07 2000-04-11 Lucent Technologies, Inc. Method, apparatus and programmed medium for clustering databases with categorical attributes
US6240423B1 (en) * 1998-04-22 2001-05-29 Nec Usa Inc. Method and system for image querying using region based and boundary based image matching
US6240424B1 (en) * 1998-04-22 2001-05-29 Nbc Usa, Inc. Method and system for similarity-based image classification

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03164929A (ja) * 1989-11-24 1991-07-16 Nec Corp 項目番号に依存しないクラスタリング装置
JPH08255173A (ja) * 1995-03-16 1996-10-01 Fuji Xerox Co Ltd クラスタリング装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019174889A (ja) * 2018-03-27 2019-10-10 日本電気株式会社 クラスタ分析システム、クラスタ分析方法およびクラスタ分析プログラム
JP7106924B2 (ja) 2018-03-27 2022-07-27 日本電気株式会社 クラスタ分析システム、クラスタ分析方法およびクラスタ分析プログラム

Also Published As

Publication number Publication date
EP1141865A1 (en) 2001-10-10
PL347828A1 (en) 2002-04-22
IL141962A0 (en) 2002-03-10
TWI237776B (en) 2005-08-11
AU1577400A (en) 2000-06-26
CN1329730A (zh) 2002-01-02
WO2000034893A1 (en) 2000-06-15
CN100437558C (zh) 2008-11-26
US20020097914A1 (en) 2002-07-25
US6512850B2 (en) 2003-01-28
KR100491801B1 (ko) 2005-05-27
KR20010089462A (ko) 2001-10-06

Similar Documents

Publication Publication Date Title
JP2002532786A (ja) イメージ・オブジェクトのセットから、相関のあるイメージ・オブジェクトのサブセットを識別する方法及び装置
US5983218A (en) Multimedia database for use over networks
US6415282B1 (en) Method and apparatus for query refinement
US7328208B2 (en) Method and system for improving a text search
US6385602B1 (en) Presentation of search results using dynamic categorization
US20030123737A1 (en) Perceptual method for browsing, searching, querying and visualizing collections of digital images
US5920856A (en) System for selecting multimedia databases over networks
US7693910B2 (en) Method of searching documents and a service for searching documents
Deb Multimedia Systems and Content-based Retrieval
US20050192970A1 (en) Architecture to enable search gateways as part of federated search
Djeraba Association and content-based retrieval
Lewis et al. An integrated content and metadata based retrieval system for art
WO2005020103A1 (en) Generic search engine framework
US6678686B1 (en) Method and apparatus for evaluating index predicates on complex data types using virtual indexed streams
US7657417B2 (en) Method, system and machine readable medium for publishing documents using an ontological modeling system
Johnson Internet multimedia databases
JP2001306594A (ja) 情報検索装置及び情報検索プログラムを格納した記憶媒体
Petkovic et al. Content-based retrieval of spatio-temporal video events
Borowski et al. Structuring the visual content of digital libraries using CBIR systems
Farooque Image indexing and retrieval
JPH11259509A (ja) 情報検索分類方法および情報検索分類システム
KR101744058B1 (ko) 3차원 디지털 에셋 라이브러리 구축 검색 시스템 및 방법
Chang et al. Metadata for Distributed Visual Database Access.
JP2002334099A (ja) 分散マルチメディア情報の検索装置、検索方法、プログラムおよび記録媒体
Veeramani Multimedia Databases

Legal Events

Date Code Title Description
A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20040413

RD12 Notification of acceptance of power of sub attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7432

Effective date: 20040422

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20040422

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20040708

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20041012

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20050106

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20050210

A912 Re-examination (zenchi) completed and case transferred to appeal board

Free format text: JAPANESE INTERMEDIATE CODE: A912

Effective date: 20050415

RD14 Notification of resignation of power of sub attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7434

Effective date: 20090224