KR20010055492A - 영상 히스토그램을 이용한 영상 검색 시스템과 그 방법 - Google Patents

영상 히스토그램을 이용한 영상 검색 시스템과 그 방법 Download PDF

Info

Publication number
KR20010055492A
KR20010055492A KR1019990056707A KR19990056707A KR20010055492A KR 20010055492 A KR20010055492 A KR 20010055492A KR 1019990056707 A KR1019990056707 A KR 1019990056707A KR 19990056707 A KR19990056707 A KR 19990056707A KR 20010055492 A KR20010055492 A KR 20010055492A
Authority
KR
South Korea
Prior art keywords
value
image
input
color
histogram
Prior art date
Application number
KR1019990056707A
Other languages
English (en)
Inventor
윤호섭
소정
민병우
양영규
Original Assignee
오길록
한국전자통신연구원
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 오길록, 한국전자통신연구원 filed Critical 오길록
Priority to KR1019990056707A priority Critical patent/KR20010055492A/ko
Priority to US09/498,039 priority patent/US6621926B1/en
Publication of KR20010055492A publication Critical patent/KR20010055492A/ko

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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques

Landscapes

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

Abstract

본 발명은 각각의 히스토그램의 빈들의 컬러에 대한 양 정보만이 아니라 영상으로부터의 중심점과 분산 값 정보를 구하여 이를 영상 검색을 위한 매핑 정보로 사용하는 영상 히스토그램을 이용한 영상 검색 시스템 및 그 방법을 제공하는데 그 목적이 있다.
본 발명에 따르면, 영상 히스토그램을 이용한 영상 검색 방법에 있어서, 영상이 입력되면, 히스토그램 영상 빈을 계산하고, x, y, x2, y2값을 누적시켜 중심점 및 분산값을 계산하는 제 1 단계; 상기 제 1 단계에서 계산된 각각의 중심점 및 분산값을 전체 영상의 크기로 나누어 정규화시킨 후, 저장하는 제 2 단계; 질의 영상이 입력되면, 특징 벡터를 추출하여 검색하고자 하는 모델의 값을 생성한 후, 상기 생성된 모델의 값과 상기 제 2 단계에서 저장된 자료 중 대응되는 빈의 개수, 카운트 및 영상 히스토그램의 중심점 및 분산값의 차이를 계산하는 제 3 단계; 및 상기 제 3 단계에서 계산된 값들을 이용하여 영상의 유사성 값을 특정하는 제 4 단계를 포함하여 이루어진 것을 특징으로 하는 영상 검색 방법이 제공된다.

Description

영상 히스토그램을 이용한 영상 검색 시스템과 그 방법 {Image retrival system and method using image histogram}
본 발명은 영상 히스토그램을 이용한 영상 검색 시스템 및 그 방법에 관한 것이며, 특히, 각각의 히스토그램의 빈들에 컬러에 대한 양 정보만이 아니라 영상으로부터의 중심점과 분산 값 정보를 구하여 이를 영상 검색을 위한 매핑 정보로 사용하는 영상 히스토그램을 이용한 영상 검색 시스템 및 그 방법에 관한 것이다.
영상 데이터베이스는 검색(Retrieval) 방법에 따라 문자 기반(Text Based), 내용 기반(Content Based) 및 의미론적 기반(Semantic Based)의 3 부류로 나눌 수 있으며, 내용 기반 검색에서 사용하는 특징(Feature)들로는 모양(Shape), 질감(Texture) 및 컬러(Color)등이 주로 사용된다. 이때 컬러는 모양과 질감보다 특징을 추출하기가 용이하고, 사용자가 시각적인 예를 제시하는 방식(Query By Example)에 적용하기 적합하다.
기존의 컬러 색인(Color Indexing) 시스템은 주로 컬러 히스토그램(Histogram)의 특징값인 빈(Bin) 만을 이용하고 있다. 이때 두 컬러 히스토그램간의 차이를 이용한 유사도 측정 방법은 실제 사람의 인지적 유사도(Perceptual Similarity)의 측정 결과와 동일한 결과를 갖지 못하는 경우가 종종 발생한다.
이는 히스토그램의 컬러 특징값, 즉 각 빈들의 값이 전역(Global) 특징 정보를 나타내기 때문이며, 전역적 특징 정보만으로는 정확히 원하는 내용을 가진 영상을 검색하기 어렵다. 즉, 전역 특징은 영상의 회전이나 약간의 위치 변화에는 영향을 받지 않는 장점이 있으나, 공간 정보를 전혀 포함하지 못한다는 것이 큰 단점이다. 이러한 공간 정보를 포함하지 못하는 전역 피쳐의 특성 때문에 컬러 정보만를 이용하여 검색할 경우, 검색 결과에서 원치 않은 영상 에러(False Positive Error)를 유발할 수 있다.
영상에서 공간 정보를 추출하는 것은 매우 어려운 작업이기 때문에 기존의 방법은 주로 영상을 부영역으로(Sub-region) 나누어, 각각의 부영역에 대하여 전역특징을 구하는 방법들이 제안되고 있다. 이러한 방식을 컬러 레이아웃(Color Layout) 색인 방법이라고 한다. 가장 간단한 컬러 레이아웃 색인 방식으로는 영상을 균일 크기의 블록으로 나누어, 각 블록에서 컬러 피쳐를 추출하는 방법이 있으며, 이러한 방식은 컬러 변화가 심한 이미지에서는 적합하지 않다. 다른 방식으로는 영상을 분할(Segmentation)해서 각 영역에 대한 특징을 구하는 방식이 있다.
실제로 영상의 객체들을 분할하는 것은 무척 어려운 작업이므로 완전 자동화 시스템을 구현하기 어렵다. 실제 시스템에서는 반 자동 또는 수동적으로 사용자가 객체를 지정하는 분할 작업이 사용되고 있다. 한편 최근에는 새로운 컬러 레이아웃 색인 방법으로 웨이블렛 변환(Wavelet Transform)을 사용한 방법들이 제안되고 있다.
이와 같이 기존의 방법은 컬러 히스토그램에서 전역적인 컬러 정보와 영역을 분할하여 각각의 부영역에서 공간 정보를 추출한 후, 상기 두 결과를 합성하여 주로 검색이 이루어졌다. 이러한 방법은 두 개의 구해진 정보간의 관계가 전혀 없으므로, 어떻게 이를 종합할 것인가에 대한 문제와 전혀 별개의 두 특징을 두 번 추출하는 과정이 요구되어 비효율적이라는 문제점이 있다.
본 발명은 상기와 같은 종래 기술의 문제점을 해결하기 위하여 안출된 것으로서, 각각의 히스토그램의 빈들에 컬러에 대한 양 정보만이 아니라 영상으로부터의 중심점과 분산 값 정보를 구하여 이를 영상 검색을 위한 매핑 정보로 사용하는영상 히스토그램을 이용한 영상 검색 시스템 및 그 방법을 제공하는데 그 목적이 있다.
도 1은 본 발명에 적용되는 영상 히스토그램을 이용한 영상 검색 시스템의 구성도이고,
도 2는 본 발명의 일 실시예에 따른 색인 정보 생성기의 작동 원리를 나타낸 흐름도이고,
도 3은 본 발명의 일 실시예에 따른 질의 영상 검색기의 작동 원리를 나타낸 흐름도이다.
앞서 설명한 바와 같은 목적을 달성하기 위한 본 발명에 따르면, 영상 히스토그램을 이용한 영상 검색 시스템의 색인 정보 생성기에 있어서, 영상이 입력되면, 히스토그램 영상 빈을 계산하고, x, y, x2, y2값을 누적시켜 중심점 및 분산값을 계산하는 연산 수단; 및 상기 연산 수단에 의하여 계산된 각각의 중심점 및 분산값을 전체 영상의 크기로 나누어 정규화시키는 제 1 정규화 수단을 포함하여 이루어진 것을 특징으로 하는 색인 정보 생성기가 제공된다.
또한, 영상 히스토그램을 이용한 영상 검색 시스템의 질의 영상 검색기에 있어서, 질의 영상이 입력되면, 특징 벡터를 추출하여 검색하고자 하는 모델의 값을 생성하는 생성 수단; 상기 생성된 모델의 값과 영상 데이터베이스에 저장된 대응되는 히스토그램 빈의 개수, 카운트, 중심점 및 분산값의 차이를 계산하는 연산 수단; 및 상기 연산 수단에 의하여 연산된 값들을 이용하여 영상의 유사성 값을 특정하는 유사성 특정 수단을 포함하여 이루어진 것을 특징으로 하는 질의 영상 검색기가 제공된다.
또한, 영상 히스토그램을 이용한 영상 검색 방법에 있어서, 영상이 입력되면, 히스토그램 영상 빈을 계산하고, x, y, x2, y2값을 누적시켜 중심점 및 분산값을 계산하는 제 1 단계; 상기 제 1 단계에서 계산된 각각의 중심점 및 분산값을 전체 영상의 크기로 나누어 정규화시킨 후, 저장하는 제 2 단계; 질의 영상이 입력되면, 특징 벡터를 추출하여 검색하고자 하는 모델의 값을 생성한 후, 상기 생성된 모델의 값과 상기 제 2 단계에서 저장된 자료 중 대응되는 빈의 개수, 카운트 및 영상 히스토그램의 중심점 및 분산값의 차이를 계산하는 제 3 단계; 및 상기 제 3 단계에서 계산된 값들을 이용하여 영상의 유사성 값을 특정하는 제 4 단계를 포함하여 이루어진 것을 특징으로 하는 영상 검색 방법이 제공된다.
또한, 컴퓨터에, 영상이 입력되면, 상기 입력된 영상을 컬러 좌표계로 변환한 후, 상기 변환된 값의 특징을 줄이기 위하여 정규화시키는 제 1 단계; 상기 제 1 단계에서 정규화된 값으로부터 히스토그램 컬러 빈을 계산하고, x, y, x2, y2값을 누적시켜 중심점 및 분산값을 계산하는 제 2 단계; 상기 제 2 단계에서 계산된 각각의 중심점 및 분산값을 전체 영상의 크기로 나누어 정규화시킨 후, 저장하는 제 3 단계; 질의 영상이 입력되면, 특징 벡터를 추출하여 검색하고자 하는 모델의 값을 생성한 후, 상기 생성된 모델의 값과 상기 제 3 단계에서 저장된 자료 중 대응되는 빈의 개수, 빈들의 컬러값의 카운트, 빈들의 컬러값의 중심점 및 분산값의 차이를 계산하는 제 4 단계; 및 상기 제 4 단계에서 계산된 값들을 이용하여 영상의 유사성 값을 특정하는 제 5 단계를 포함하여 이루어진 것을 실행시킬 수 있는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체가 제공된다.
아래에서, 본 발명에 따른 양호한 일 실시예를 첨부한 도면을 참조로 하여 상세히 설명하겠다.
도 1은 본 발명에 적용되는 영상 히스토그램을 이용한 영상 검색 시스템의 구성도로서, 검색하고자 하는 영상, 즉, 질의 영상이 제 1 색인 정보 생성기(110)에 입력되면, 상기 제 1 색인 정보 생성기(110)는 색인 정보를 추출하여 이를 질의 영상 검색기(130)로 전송한다.
상기 질의 영상 검색기(130)는 미리 구축되어 있는 영상 데이터베이스로부터 색인(메타) 정보 및 상기 질의 영상의 색인 정보와의 유사성 매핑을 통해 원하는 영상을 검색한 후, 이를 출력한다.
한편, 영상 데이터베이스를 구축하고자 하는 영상 데이터를 입력받은 제 2 색인 정보 생성기는 색인 정보를 추출하여 상기 영상 데이터와 함께, 메타 정보 및 원 영상의 형태로 영상 데이터베이스를 구축한다.
본 발명에서는 도 1에 도시된 영상 데이터베이스 내에 존재하는 수 많은 영상 정보를 검색하기 위한 색인 정보 생성기와 질의 영상 검색기를 개발하고자 한다.
도 2는 도 1에 도시된 색인 정보 생성기의 작동 원리를 나타낸 흐름도로서, 전체 영상을 하나씩 주사하면서 각각의 좌표에 대한 컬러 값을 대응되는 빈에 누적하여 특징을 측정한다.
먼저, 스텝 S201에서, 영상이 입력되면, 스텝 S202에서, RGB의 3개의 축을가진 히스토그램은 너무 많은 특징 데이터를 요구하므로, 이를 YIO, YUV, HSV 등의 컬러 좌표계로 변환한 후, 스텝 S203에서, 컬러 공간을 정규화한다(Color Space Normalization). 이때, 정규화하는 방법으로는, IQ나 UV 등과 같은 밝기를 제외한 2차원 히스트그램으로 변환하여 특징의 개수를 줄이는 방법이 있고, 또 다른 방법으로는 스케일링 팩터를 사용하는 것이다. 즉, 256 단계의 컬러 정보를 128 단계로 축소시키기 위해서 단지 RGB로부터 얻어진 컬러 정보를 스케일 팩터(SCALE_RGB) 2로 나누어 주면 된다.
이러한 처리는 컬러 공간에서 특징의 개수를 감소시키게 되며, 이는 미세한 컬러 정보를 그룹화하여 하나의 대표 컬러로 변환시키는 결과를 갖는다. 이러한 대표 컬러를 사용하는 것은 유사성 척도에 사용될 특징들의 양을 줄여 주며, 잡음등에 영향을 받지 않는 장점이 있으나, 영상의 전체 컬러 해상도를 떨어뜨려 복잡한 영상에서 정밀한 처리를 어렵게 할 수도 있으므로 응용에 따라 스케일링 정도를 결정한다. 한편, 그레이 히스토그램인 경우에는 상기 스텝 S202 및 스텝 S203 과정을 거치지 아니하고, 바로 하기 스텝 S204로 진행한다.
이어서, 스텝 S204에서, 히스토그램 빈을 계산하여, 스텝 S205에서, 히스토그램 빈의 중심점을 계산하고, 스텝 S206에서, 히스토그램 빈의 분산을 계산한다.
상기 과정을 상세히 살펴보면, 히스토그램 빈의 중심점을 구하기 위하여, 히스토그램에서 컬러 빈의 누적, 그레이 빈의 누적 및 x, y, x2, y2값의 누적 값을 구하여야 한다. 이때, I, Q 히스토그램은 전체 컬러 해상도만큼 생성되는 것이 아니라, 단지 그 컬러가 한번이라도 발생되었을 경우에만 생성되어, 불필요한 메모리의 사용을 줄이고, 유사도 매핑시의 처리 속도를 빠르게 한다.
상기 누적 값들이 구해지면, 히스토그램 빈의 중심점은 아래의 [수학식 1]에 의하여 구해지고, 분산은 [수학식 2]에 의하여 구해진다.
이어서, 스텝 S207에서, 누적값, 중심점 및 분산값을 전체 영상의 크기로 나누어 정규화시킨다(Image Size Normalization).
상기 처리 과정을 통하여 얻어진 값들은 도 1에 도시된 영상 데이터베이스 안의 메타 정보로 저장된다.
도 3은 도 1에 도시된 질의 영상 검색기의 작동 원리를 나타낸 흐름도로서,이를 상세히 설명하면 다음과 같다.
먼저, 스텝 S301에서, 질의 영상이 입력되면, 스텝 S302에서, 색인 정보 생성기에 의하여 컬러 히스토그램의 특징 벡터(중심점 및 분산값 등)를 추출하여, 검색하고자 하는 모델의 값을 생성한 후, 스텝 S303부터 스텝 S306 과정을 통하여 모델의 특징값과 도2에서 메타 데이터베이스에 저장된 특징값을 비교하여 유사성(Similarity) 측정을 수행하여, 스텝 S307에서, 유사한 영상들을 순차적으로 출력한 후, 종료한다.
이때, 유사성 측정을 수행하는 과정을 보다 더 상세히 설명하면 다음과 같다.
유사성 측정치 값은 기본적으로 정의된 6개의 특징값과 6개의 가중치 값으로 아래의 [수학식 3]과 같이 계산된다.
S = W1Scolor+ W2Sxm+ W3Sym+ W4Sxd+ W5Syd+ W6Scount+ W7Sgray
여기서, Scolor, Sxm, Sym, Sxd, Syd, Scount및 Sgray는 컬러 히스토그램의 특징 벡터로서, 아래의 [수학식 4]에 의하여 계산되며, W1, W2, W3, W4, W5, W6및 W7은 가중치로서, 기설정된 값이다.
또한, 상기 Scolor는 컬러 히스토그램 빈에 대한 특징 벡터이고, Sxm는 x축 상의 평균값에 대한 특징 벡터이며, Sym는 y축 상의 평균값에 대한 특징 벡터이고, Sxd는 x축 상의 분산값에 대한 특징 벡터이며, Syd는 y축 상의 분산값에 대한 특징 벡터이고, Scount는 카운트 특징 벡터이며, Sgray는 명암도(Gray) 값의 특징 벡터이다.
여기서 Hinputik는 영상 데이터베이스 내의 메터 정보로부터 입력된 컬러 히스토그램에서 I 컬러값을 갖는 k 번째 특징 벡터값을 의미하고, Hinputqk는 Q 컬러값을갖는 k 번째 특징 벡터값을 의미하며. Hinput(i,q)kcount는 I 및 Q 값을 갖는 2차원 컬러 히스토그램의 k 번째 누적 빈도 특징값을 의미하고, Hinput(i,q)kxm은 I 및 Q 값을 갖는 2차원 컬러 히스토그램의 x 좌표의 평균값을 갖는 k 번째 특징 벡터값을 의미하며, Hinputl.graycount는 모델 히스토드램의 I 번째 명암도(Gray) 값의 빈의 크기를 나타낸다. 또한, ym은 y 좌표의 평균값을 갖는 특징 벡터이고, xd는 x 좌표의 분산값을 갖는 특징 벡터이며, yd는 y 좌표의 분산값을 갖는 특징 벡터를 의미하고, HModelil은 처리 영상이 입력 영상이고, l 번째라는 것을 제외한 나머지 표기는 동일하다. 마지막으로, input_bin은 입력 메터 데이터베이스로부터 입력된 컬러 히스토그램의 크기(전체 빈의 개수)를 의미하고, model_bin은 입력 영상의 컬러 히스토그램에서 크기를 의미한다.
여기서, 가중치 값은 유사성 매칭시 어떠한 특징이 영상을 검색하는지에 가장 적절한가에 따라 결정되어 지는데, 이는 응용 시스템의 성격에 따라서도 달라 질 수 있다. 또한 각각의 특징값들은 전체 값들이 0.0 에서 1.0 사이의 값을 갖도록 정규화되어 처리한다.
이와 같이 유사성 측정치가 구해지면 전체 메타데이터 베이스에서 유사성 측정치가 작은 순서로 검색하여 검색 영상을 사용자에게 출력한다.
한편 본 발명의 일 실시예를 설명하면서, 컬러 히스토그램을 이용한 영상 검색 방법을 설명하였으나, 그레이(Gray) 히스토그램인 경우에도 본 발명에서 제안하는 평균값 및 분산값을 이용하여 영상 검색 방법을 수행할 수도 있다.
상기와 같은 본 발명은 컴퓨터로 읽을 수 있는 기록 매체로 기록되고, 컴퓨터에 의해 처리될 수 있다.
앞서 상세히 설명한 바와 같이 본 발명은 기존의 영상 히스토그램을 이용한 검색 방법이 공간 정보를 이용하지 않아 별개의 공간 정보 추출 알고리즘을 사용해야 하는 단점을 해결함으로써, 좋은 검색 결과를 얻을 수 있다는 효과가 있다.
또한, 위치 정보 및 분산 정보를 히스토그램 생성시 한번에 수행함으로써, 별도의 처리 시간이 필요치 않고, 컬러 정보와 위치 정보 및 분산 정보를 Weight를 이용하여 연계함으로써 기존의 검색 방법에 비해 효율적인 결과를 갖게 된다.
또한, 본 발명에서 제안하고 있는 영상 히스토그램의 정보는 영상 검색 뿐만 아니라 영역 합병 방법의 영상 분할(segmentation)시 Seed 정보로 사용될 수 있으며, 컬러 영상 이해 시스템의 특징으로도 사용 가능하며 이밖의 여러 영상 처리 분야에서 기본적인 특징 벡터로 사용할 수 있다.
이상에서 본 발명에 대한 기술 사상을 첨부 도면과 함께 서술하였지만 이는 본 발명의 가장 양호한 일 실시예를 예시적으로 설명한 것이지 본 발명을 한정하는 것은 아니다. 또한, 이 기술 분야의 통상의 지식을 가진 자이면 누구나 본 발명의기술 사상의 범주를 이탈하지 않는 범위 내에서 다양한 변형 및 모방이 가능함은 명백한 사실이다.

Claims (14)

  1. 영상 히스토그램을 이용한 영상 검색 시스템의 색인 정보 생성기에 있어서,
    영상이 입력되면, 히스토그램 영상 빈을 계산하고, x, y, x2, y2값을 누적시켜 중심점 및 분산값을 계산하여 연산 수단; 및
    상기 연산 수단에 의하여 계산된 각각의 중심점 및 분산값을 전체 영상의 크기로 나누어 정규화시키는 제 1 정규화 수단을 포함하여 이루어진 것을 특징으로 하는 색인 정보 생성기.
  2. 제 1 항에 있어서,
    컬러 영상이 입력되면, 상기 입력된 영상을 컬러 좌표계로 변환하는 변환 수단; 및
    상기 변환 수단에 의하여 변환된 값의 특징을 줄이기 위하여 정규화(Normalizing)시킨 후, 상기 연산 수단으로 출력하는 제 2 정규화 수단을 더 포함하여 이루어진 것을 특징으로 하는 색인 정보 생성기.
  3. 제 2 항에 있어서,
    상기 제 2 정규화 수단은,
    상기 변환 수단에 의하여 변환된 값을 같은 밝기를 제외한 2차원 히스토그램으로 변환하여 특징의 개수를 줄이는 것을 특징으로 하는 색인 정보 생성기.
  4. 제 3 항에 있어서,
    상기 제 2 정규화 수단은,
    상기 변환 수단에 의하여 변환된 값을 스케일링 팩터(Scaling Factor)를 이용하여 특징의 개수를 줄이는 것을 특징으로 하는 색인 정보 생성기.
  5. 제 1 항에 있어서,
    상기 연산 수단은,
    [식 1]에 의하여 중심점 및 분산값을 구하는 것을 특징으로 하는 색인 정보 생성기.
    [식 1]
    여기서, mx는 x 축에 대한 평균값, my는 y 축에 대한 평균값,은 x 축에 대한 분산값 및은 y 축에 대한 평균값이다.
  6. 영상 히스토그램을 이용한 영상 검색 시스템의 질의 영상 검색기에 있어서,
    질의 영상이 입력되면, 특징 벡터를 추출하여 검색하고자 하는 모델의 값을 생성하는 생성 수단;
    상기 생성된 모델의 값과 영상 데이터베이스에 저장된 대응되는 히스토그램 빈의 개수, 카운트, 중심점 및 분산값의 차이를 계산하는 연산 수단; 및
    상기 연산 수단에 의하여 연산된 값들을 이용하여 영상의 유사성 값을 특정하는 유사성 특정 수단을 포함하여 이루어진 것을 특징으로 하는 질의 영상 검색기.
  7. 제 6 항에 있어서,
    상기 특정 수단은,
    [식 2]에 의하여 구하여진 S 값을 영상의 유사성 값으로 특정하는 것을 특징으로 하는 질의 영상 검색기.
    [식 2]
    S = W1Scolor+ W2Sxm+ W3Sym+ W4Sxd+ W5Syd+ W6Scount+ W7Sgray
    여기서, Scolor, Sxm, Sym, Sxd, Syd, Scount및 Sgray는 영상 히스토그램의 특징 벡터로서, 아래의 [식 3]에 의하여 계산되며, W1, W2, W3, W4, W5, W6및 W7은 가중치로서, 기설정된 값이다.
    [식 3]
    여기서 Hinputik는 영상 데이터베이스 내의 메터 정보로부터 입력된 컬러 히스토그램에서 I 컬러값을 갖는 k 번째 특징 벡터값을 의미하고, Hinputqk는 Q 컬러값을 갖는 k 번째 특징 벡터값을 의미하며. Hinput(i,q)kcount는 I 및 Q 값을 갖는 2차원 컬러 히스토그램의 k 번째 누적 빈도 특징값을 의미하고, Hinput(i,q)kxm은 I 및 Q 값을 갖는 2차원 컬러 히스토그램의 x 좌표의 평균값을 갖는 k 번째 특징 벡터값을 의미하며, Hinputl.graycount는 모델 히스토드램의 I 번째 명암도(Gray) 값의 빈의크기를 나타낸다. 또한, ym은 y 좌표의 평균값을 갖는 특징 벡터이고, xd는 x 좌표의 분산값을 갖는 특징 벡터이며, yd는 y 좌표의 분산값을 갖는 특징 벡터를 의미하고, HModelil은 처리 영상이 입력 영상이고, l 번째라는 것을 제외한 나머지 표기는 동일하다. 마지막으로, input_bin은 입력 메터 데이터베이스로부터 입력된 컬러 히스토그램의 크기(전체 빈의 개수)를 의미하고, model_bin은 입력 영상의 컬러 히스토그램에서 크기를 의미한다.
  8. 영상 히스토그램을 이용한 영상 검색 방법에 있어서,
    영상이 입력되면, 히스토그램 영상 빈을 계산하고, x, y, x2, y2값을 누적시켜 중심점 및 분산값을 계산하는 제 1 단계;
    상기 제 1 단계에서 계산된 각각의 중심점 및 분산값을 전체 영상의 크기로 나누어 정규화시킨 후, 저장하는 제 2 단계;
    질의 영상이 입력되면, 특징 벡터를 추출하여 검색하고자 하는 모델의 값을 생성한 후, 상기 생성된 모델의 값과 상기 제 2 단계에서 저장된 자료 중 대응되는 빈의 개수, 카운트 및 영상 히스토그램의 중심점 및 분산값의 차이를 계산하는 제 3 단계; 및
    상기 제 3 단계에서 계산된 값들을 이용하여 영상의 유사성 값을 특정하는 제 4 단계를 포함하여 이루어진 것을 특징으로 하는 영상 검색 방법.
  9. 제 8 항에 있어서,
    상기 제 1 단계는,
    컬러 영상이 입력되면, 상기 입력된 영상을 컬러 좌표계로 변환한 후, 상기 변환된 값의 특징을 줄이기 위하여 정규화시키는 제 1 서브 단계; 및
    상기 제 1 단계에서 정규화된 값으로부터 히스토그램 컬러 빈을 계산하는 제 2 서브 단계를 포함하여 이루어진 것을 특징으로 하는 영상 검색 방법.
  10. 제 9 항에 있어서,
    상기 제 1 서브 단계는,
    상기 변환된 값을 같은 밝기를 제외한 2차원 히스토그램으로 변환하여 특징의 개수를 줄이는 것을 특징으로 하는 영상 검색 방법.
  11. 제 9 항 또는 제 10 항에 있어서,
    상기 제 1 서브 단계는,
    상기 변환된 값을 스케일링 팩터(Scaling Factor)를 이용하여 특징의 개수를 줄이는 것을 특징으로 하는 영상 검색 방법.
  12. 제 8 항에 있어서,
    상기 제 1 단계는,
    [식 4]에 의하여 중심점 및 분산값을 구하는 것을 특징으로 하는 영상 검색 방법.
    [식 4]
    여기서, mx는 x 축에 대한 평균값, my는 y 축에 대한 평균값,은 x 축에 대한 분산값 및은 y 축에 대한 평균값이다.
  13. 제 8 항에 있어서,
    상기 제 4 단계는,
    [식 5]에 의하여 구하여진 S 값을 영상의 유사성 값으로 특정하는 것을 특징으로 하는 질의 영상 검색기.
    [식 5]
    S = W1Scolor+ W2Sxm+ W3Sym+ W4Sxd+ W5Syd+ W6Scount+ W7Sgray
    여기서, Scolor, Sxm, Sym, Sxd, Syd, Scount및 Sgray는 영상 히스토그램의 특징 벡터로서, 아래의 [식 6]에 의하여 계산되며, W1, W2, W3, W4, W5, W6및 W7은 가중치로서, 기설정된 값이다.
    [식 6]
    여기서 Hinputik는 영상 데이터베이스 내의 메터 정보로부터 입력된 컬러 히스토그램에서 I 컬러값을 갖는 k 번째 특징 벡터값을 의미하고, Hinputqk는 Q 컬러값을 갖는 k 번째 특징 벡터값을 의미하며. Hinput(i,q)kcount는 I 및 Q 값을 갖는 2차원 컬러 히스토그램의 k 번째 누적 빈도 특징값을 의미하고, Hinput(i,q)kxm은 I 및 Q 값을 갖는 2차원 컬러 히스토그램의 x 좌표의 평균값을 갖는 k 번째 특징 벡터값을 의미하며, Hinputl.graycount는 모델 히스토드램의 I 번째 명암도(Gray) 값의 빈의크기를 나타낸다. 또한, ym은 y 좌표의 평균값을 갖는 특징 벡터이고, xd는 x 좌표의 분산값을 갖는 특징 벡터이며, yd는 y 좌표의 분산값을 갖는 특징 벡터를 의미하고, HModelil은 처리 영상이 입력 영상이고, l 번째라는 것을 제외한 나머지 표기는 동일하다. 마지막으로, input_bin은 입력 메터 데이터베이스로부터 입력된 컬러 히스토그램의 크기(전체 빈의 개수)를 의미하고, model_bin은 입력 영상의 컬러 히스토그램에서 크기를 의미한다.
  14. 컴퓨터에,
    영상이 입력되면, 상기 입력된 영상을 컬러 좌표계로 변환한 후, 상기 변환된 값의 특징을 줄이기 위하여 정규화시키는 제 1 단계;
    상기 제 1 단계에서 정규화된 값으로부터 히스토그램 컬러 빈을 계산하고, x, y, x2, y2값을 누적시켜 중심점 및 분산값을 계산하는 제 2 단계;
    상기 제 2 단계에서 계산된 각각의 중심점 및 분산값을 전체 영상의 크기로 나누어 정규화시킨 후, 저장하는 제 3 단계;
    질의 영상이 입력되면, 특징 벡터를 추출하여 검색하고자 하는 모델의 값을 생성한 후, 상기 생성된 모델의 값과 상기 제 3 단계에서 저장된 자료 중 대응되는 빈의 개수, 빈들의 컬러값의 카운트, 빈들의 컬러값의 중심점 및 분산값의 차이를 계산하는 제 4 단계; 및
    상기 제 4 단계에서 계산된 값들을 이용하여 영상의 유사성 값을 특정하는 제 5 단계를 포함하여 이루어진 것을 실행시킬 수 있는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체.
KR1019990056707A 1999-12-10 1999-12-10 영상 히스토그램을 이용한 영상 검색 시스템과 그 방법 KR20010055492A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1019990056707A KR20010055492A (ko) 1999-12-10 1999-12-10 영상 히스토그램을 이용한 영상 검색 시스템과 그 방법
US09/498,039 US6621926B1 (en) 1999-12-10 2000-02-04 Image retrieval system and method using image histogram

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1019990056707A KR20010055492A (ko) 1999-12-10 1999-12-10 영상 히스토그램을 이용한 영상 검색 시스템과 그 방법

Publications (1)

Publication Number Publication Date
KR20010055492A true KR20010055492A (ko) 2001-07-04

Family

ID=19625009

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1019990056707A KR20010055492A (ko) 1999-12-10 1999-12-10 영상 히스토그램을 이용한 영상 검색 시스템과 그 방법

Country Status (2)

Country Link
US (1) US6621926B1 (ko)
KR (1) KR20010055492A (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100338083B1 (ko) * 2000-07-26 2002-05-24 이광호 검색효율 및 검색성능 향상을 위한 로젯패턴 적용영상색인 및 검색방법
KR20030005908A (ko) * 2001-07-10 2003-01-23 주식회사 오픈비주얼 영상의 객체 특징 추출과 이를 이용한 내용 기반 영상검색 장치 및 방법
KR100459893B1 (ko) * 2002-01-08 2004-12-04 삼성전자주식회사 동영상에서 칼라 기반의 객체를 추적하는 방법 및 그 장치
KR100841429B1 (ko) * 2006-11-30 2008-06-25 삼성전기주식회사 화이트 밸런스 자동 조정장치 및 그 방법

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6999636B1 (en) * 1999-11-09 2006-02-14 Canon Kabushiki Kaisha Image search method and apparatus
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
US20020176001A1 (en) * 2001-05-11 2002-11-28 Miroslav Trajkovic Object tracking based on color distribution
US7191103B2 (en) * 2001-08-08 2007-03-13 Hewlett-Packard Development Company, L.P. Predominant color identification in digital images
US20040190793A1 (en) * 2002-03-01 2004-09-30 Rorvig Mark E. Method for retrieving images by content measure metadata encoding
GB2395808A (en) * 2002-11-27 2004-06-02 Sony Uk Ltd Information retrieval
US20060288006A1 (en) * 2003-10-23 2006-12-21 Xerox Corporation Methods and systems for attaching keywords to images based on database statistics
US20050091232A1 (en) * 2003-10-23 2005-04-28 Xerox Corporation Methods and systems for attaching keywords to images based on database statistics
US20060120686A1 (en) * 2004-12-03 2006-06-08 Frank Liebenow Method, apparatus and system for storage and retrieval of images
US7454058B2 (en) * 2005-02-07 2008-11-18 Mitsubishi Electric Research Lab, Inc. Method of extracting and searching integral histograms of data samples
KR100763197B1 (ko) * 2006-02-06 2007-10-04 삼성전자주식회사 컨텐츠 검색 방법 및 장치
US7747066B2 (en) * 2006-03-15 2010-06-29 International Business Machines Corporation Z-axis optical detection of mechanical feature height
US8126858B1 (en) 2008-01-23 2012-02-28 A9.Com, Inc. System and method for delivering content to a communication device in a content delivery system
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
US8478053B2 (en) * 2009-07-15 2013-07-02 Nikon Corporation Image sorting apparatus
US8422782B1 (en) 2010-09-30 2013-04-16 A9.Com, Inc. Contour detection and image classification
US8463036B1 (en) * 2010-09-30 2013-06-11 A9.Com, Inc. Shape-based search of a collection of content
US8990199B1 (en) 2010-09-30 2015-03-24 Amazon Technologies, Inc. Content search with category-aware visual similarity
US8447107B1 (en) * 2010-09-30 2013-05-21 A9.Com, Inc. Processing and comparing images
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

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6163622A (en) * 1997-12-18 2000-12-19 U.S. Philips Corporation Image retrieval system
KR100243351B1 (ko) 1997-12-23 2000-02-01 정선종 와이.유.브이(yuv) 공간에서 컬러 특성 분포를 이용한 유사도 측정 방법

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100338083B1 (ko) * 2000-07-26 2002-05-24 이광호 검색효율 및 검색성능 향상을 위한 로젯패턴 적용영상색인 및 검색방법
KR20030005908A (ko) * 2001-07-10 2003-01-23 주식회사 오픈비주얼 영상의 객체 특징 추출과 이를 이용한 내용 기반 영상검색 장치 및 방법
KR100459893B1 (ko) * 2002-01-08 2004-12-04 삼성전자주식회사 동영상에서 칼라 기반의 객체를 추적하는 방법 및 그 장치
US7187783B2 (en) * 2002-01-08 2007-03-06 Samsung Electronics Co., Ltd. Method and apparatus for color-based object tracking in video sequences
US7283668B2 (en) 2002-01-08 2007-10-16 Samsung Electronics Co., Ltd. Method and apparatus for color-based object tracking in video sequences
KR100841429B1 (ko) * 2006-11-30 2008-06-25 삼성전기주식회사 화이트 밸런스 자동 조정장치 및 그 방법

Also Published As

Publication number Publication date
US6621926B1 (en) 2003-09-16

Similar Documents

Publication Publication Date Title
KR20010055492A (ko) 영상 히스토그램을 이용한 영상 검색 시스템과 그 방법
Chen et al. A region-based fuzzy feature matching approach to content-based image retrieval
KR100671098B1 (ko) 모양정보를 이용한 멀티미디어 데이터의 검색 방법 및 장치
CN110413816B (zh) 彩色草图图像搜索
Atlam et al. Integration of color and texture features in CBIR system
Atlam et al. Comparative study on CBIR based on color feature
KR20080021181A (ko) 영상 데이터 처리 방법 및 그에 따른 시스템
CN111739073A (zh) 高效快速的手持装置的影像配准优化方法
CN111354076A (zh) 一种基于嵌入空间的单幅图像三维零件组合式建模方法
Yakin et al. Application of content based image retrieval in digital image search system
JPH11250106A (ja) 内容基盤の映像情報を利用した登録商標の自動検索方法
CN109299295B (zh) 蓝印花布图像数据库搜索方法
KR102054211B1 (ko) 이미지 쿼리 기반의 영상 검색 방법 및 시스템
Lyasheva et al. Image texture model based on energy features
KR20010092891A (ko) 스케치 특징을 이용한 내용기반 영상 검색방법
Bouteldja et al. Retrieval of high resolution satellite images using texture features
Zhang et al. Combining color quantization with curvelet transform for image retrieval
Rosyadi et al. A Flexible Sub-Block In Region Based Image Retrieval Based On Transition Region
US20040190793A1 (en) Method for retrieving images by content measure metadata encoding
KR20030009674A (ko) 내용 기반 영상 검색 장치 및 방법
Jhansi et al. An efficient sketch based image retrieval using cross-correlation
Kumar et al. Complementary feature extraction approach in CBIR
Chai et al. A real-time acquisition method of local change features of 3D animation considering product design
Revathi et al. Efficient method for feature extraction on video preocessing
Prathiba et al. Content based image retrieval based on spatial constraints using Lab view

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application