TW528990B - Image texture retrieving method and apparatus thereof - Google Patents
Image texture retrieving method and apparatus thereof Download PDFInfo
- Publication number
- TW528990B TW528990B TW089103999A TW89103999A TW528990B TW 528990 B TW528990 B TW 528990B TW 089103999 A TW089103999 A TW 089103999A TW 89103999 A TW89103999 A TW 89103999A TW 528990 B TW528990 B TW 528990B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- predetermined
- candidate
- patent application
- average
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/42—Analysis of texture based on statistical description of texture using transform domain methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
- G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
-
- 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
- G06V30/19—Recognition using electronic means
- G06V30/196—Recognition using electronic means using sequential comparisons of the image signals with a plurality of references
- G06V30/1983—Syntactic or structural pattern recognition, e.g. symbolic string recognition
- G06V30/1988—Graph matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20068—Projection on vertical or horizontal image axis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20072—Graph-based image processing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Multimedia (AREA)
- Library & Information Science (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Editing Of Facsimile Originals (AREA)
Description
528990 A7 B7 五、發明說明(丨) 【相關專利申請書參考】 此專利申請書申請有關美國法律申請書序號60/118, 740,1999年2月5日申請之內容優點,其發佈的內容在 此被編入以參考之。 【發明背景】 I發明領域 本發明係有關於一種用來恢復一影像結構描述符號的 方法及裝置,且更特別地,有關於一種影像結構描述符號 恢復方法用來恢復一被使用在搜尋與瀏覽一影像及描述此 影像的結構特徵上之結構描述符號,及其裝置。 2.相關技術說明 最近,影像結構變成用來搜尋及瀏覽類似影像型式的 一大型組合之重要視覺上的特徵。舉例言之,一藉由一 Gabof過濾器來過濾一結構描述符號的傳統結構描述符號 擷取一包含由Gabor過濾所得到之係數的結構描述符號。 但是,雖然傳統影像結構描述符號包含很多的向量,但要 從此結構描述符號去在視覺上了解其組織結構是相當困難 的。 【發明槪述】 本發明的一個目的,爲提供一種方法用來恢復一影像 結構描述符號其可有知覺地擷取存在於一影像中的組織結 構。 本發明的另一個目的,爲提供一種具有電腦程式儲存 在其中的電腦可讀取儲存媒體,此程式被決定以使得一電 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) (請先閱讀背面之注意事項再填寫本頁) 經濟部智慧財產局員工消費合作社印製
· in ϋ n n ϋ If I a— ϋ ϋ I ϋ I ϋ ϋ ϋ f— I ϋ ϋ an I 1 ·1· I n I 528990 A7 B7 五、發明說明(>) 腦可執行此影像結構描述符號恢復方法。 本發明的另一個目的,爲提供一種影像結構描述符號 恢復裝置其執行此影像結構描述符號恢復方法。 爲達成上述目的,本發明提供一種方法用來恢復一用 於描述一影像之結構特徵的影像結構描述符號,包括步驟 (a)使用具有不同定向係數的預定過濾器過濾輸入影像,(b) 將已過濾之影像投影到每一預定方向軸上以得到包含每一 方向映像點數値之平均値的資料群,(c)藉由一預定分類 方法在資料群中選擇候選的資料群,(d)以被使用在過濾 候選資料群中之過濾器的定向係數爲基礎決定多數的指 標,及(e)決定此多數的指標當成此影像的結構描述符號。 步驟⑷可進一步包括步驟(a-Ι)使用具有不同比例係 數的預定過濾器過濾輸入影像,及步驟(d)進一步包括步 驟(d-Ι)以被使用在過濾候選資料群中之過濾器的比例係 數爲基礎決定多數的指標。 此影像結構描述符號恢復方法可進一步包括基於被具 有與被使用在被選擇的過濾候選資料群中之過濾器的比例 係數或定向係數接近或相同的比例係數或定向係數的過濾 益所過灑之資料群的存在決定另外指標的步驟。 此影像結構描述符號恢復方法可進一步包括計算關於 此被過濾的影像之映像點的平均値及差距的步驟,且使用 此計算到的平均値及差距得到一預定的向量。 根據本發明的另一觀點,本發明提供一種方法用來恢 復一用於描述一影像之結構特徵的影像結構描述符號,包 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) (請先閱讀背面之注意事項再填寫本頁) 經濟部智慧財產局員工消費合作社印製 I — — — — — — II — — — — — — — — — I — — — — — — - — — — — — — — — — 528990 A7 B7 五、發明說明) 括步驟(a)使用具有不同比例係數的預定過濾器過濾輸入 影像,(b)將已過濾之影像投影到每一預定方向軸上,以 得到包含每一方向映像點數値之平均値的資料群,(c)以 被使用在過濾於資料群中被一預定選擇方法所選擇的資料 群中之過濾器的比例係數爲基礎決定多數的指標,(d)決 定此多數的指標當成此影像的結構描述符號。 再根據本發明的另一觀點,本發明提供一種方法用來 恢復一用於描述一影像之結構特徵的影像結構描述符號, 包括步驟(a)使用具有不同定向係數及不同比例係數的預 定過濾器過濾輸入影像,(b)將已過瀘之影像投影到水平 及垂直軸上以得到水平軸投影圖及垂直軸投影圖,(c)計 算每一圖像的標準化自動關聯値,(d)得到每一標準化自 動關聯値的局部最大値及局部最小値,在其上此計算出的 標準化自動關聯値在一預定的區間上形成一局部波峰及局 部波谷,⑷定義此局部最大値的平均値及此局部最小値 的平均値以爲差距,(f)選擇在其中標準偏差對局部最大 値平均値的比値小於或等於一預定界限的圖像當成第一候 選圖像,(g)根據被具有與被使用在過濾被選擇的第二候 選圖像中之比例係數及定向係數接近或相同的比例係數或 定向係數之過濾器所過濾圖像的數目決定第二候選圖像的 形式,(h)算出屬於第二候選圖像之個別形式的圖像數, 並決定第二候選圖像的每一形式之預定分量,⑴計算圖 像的被算出數目和被決定分量之乘積的總和以決定將此計 算結果値當成一包含一結構描述符號的第一指標,⑴決 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) (請先閱讀背面之注意事項再填寫本頁) 經濟部智慧財產局員工消費合作社印製
· ϋ ϋ I ϋ l 一 δ,a n 1 mmme I n ϋ I I ϋ 1_1 n ϋ ϋ I ϋ n ·ϋ ϋ n 1 n ϋ I ϋ I I ϋ I ϋ I 528990 經濟部智慧財產局員工消費合作社印製 A7 B7 五、發明說明(4) 定具有最大不同之第二候選圖像的定向係數及比例係數當 成第二到第五指標,及(k)決定包括第一指標及第二到第 五指標的指標當成對應影像的結構描述符號。 此影像結構描述符號恢復方法可進一步包括計算關於 此被過濾的影像之映像點的平均値及差距的步驟,且使用 此計算到的平均値及差距得到一預定的向量,在其中步驟 (k)包括決定將包含第一指標、第二到第五指標的指標及 預定向量當成對應影像的結構描述符號之步驟。 此標準化自動關聯値,以表示,可由下列公 式計算得之: N -\ Σ P(m ~ k)P(m) 麗⑷=~T^r Σ尸2(所-吨尸2㈤ \ m = k m - k 其中#爲一預定正整數,一輸入影像包含NXN個圖像點, 一^圖像點的位置以i表耶’其中i爲一^從1到#的數字, 被圖像點位置i的圖像點所表示的投影圖以/Y0表示且k 爲一從1到#的數字。 此差距被決定如以下:
I M J L 差足巨=尸一 --_magn{i) Μ /=1 L /=1 其中⑼⑺爲在步驟(d)中被決定的局部 最大値及局部最小値。 在步驟⑴中,滿足下列公式的圖像被選擇當成候選 圖像: . (請先閱讀背面之注意事項再填寫本頁) I I I I I I I I e — — — — — — — I· I — — — — — 1||-^|||||||||||||„ 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) 528990 A7 B7
五、發明說明(f) 其中^及S爲局部最大値的平均値及標準差距且α爲一預 定界限値。 步驟(g)包括子步驟(g-Ι)如果存在一個或多個圖像, 其具有與一有關的候選圖像之比例或定向係數相同的比例 或定向係數,且存在一個或多個圖像,其具有近似於此有 關的候選圖像之比例或定向係數的比例或定向係數,將此 有關的候選圖像區分成一第一形式圖像,(g-2)如果存在 一個或多個圖像,其具有與一有關的候選圖像之比例或定 向係數相同的比例或定向係數,但不存在一個或多個圖 像,其具有近似於此有關的候選圖像之比例或定向係數的 比例或定向係數,將此有關的候選圖像區分成一第二形式 圖像,及(g-3)如果不存在一個或多個圖像,其具有相同 於或近似於此有關的候選圖像之比例或定向係數的比例或 定向係數,將此有關的候選圖像區分成一第三形式圖像。 步驟(h)包括算出屬於圖像的第一到第三形式的每一 形式的圖像數目,且決定圖像的每一形式之預定分量的步 驟。 在步驟⑴之後,可進一步包括對第一候選圖像應用 一預定的群集演繹法以選擇第二候選圖像。 此預定的群集演繹法爲較佳地已被修正的聚結群集方 法。 較佳地,在步驟⑴中,在水平軸投影圖之中,具有 7¾尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) (請先閱讀背面之注意事項再填寫本頁) -l·. 經濟部智慧財產局員工消費合作社印製 0 ϋ ϋ ϋ ϋ ^1 一一口,· n ϋ ·ϋ n I ϋ ϋ ϋ βϋ ·ϋ ^1 ϋ ϋ «I ^1 ϋ I ·ϋ ^1 ϋ ϋ ·ϋ n ϋ ^1 ϋ n - A7 528990 B7____ 五、發明說明(έ ) 最大差距之一圖像的定向係數被決定當成一第二指標;在 垂直軸投影圖之中具有最大差距之一圖像的定向係數被決 定當成一第三指標;在水平軸投影圖之中具有最大差距之 一圖像的比例係數被決定當成一第四指標;以及在垂直軸 投影圖之中具有最大差距之一圖像的比例係數被決定當成 一第五指標。 步驟⑴可包括決定將包含第一指標、第二到第五指 標的指標及此預定向量當成對應影像的結構描述符號之步 驟。 預定的過濾器較佳地包括Gabor過瀘器。 爲達成本發明的第二目的,本發明提供一種電腦可讀 取媒體,其具有可被一電腦執行的程式碼,以實行一種用 於一影像結構描述符號的方法,以描述一^影像的結構特 徵,此方法包括步驟⑷使用具有不同定向係數及不同比 例係數的預定過爐器過濾輸入影像,(b)將已過濃之影像 投影到水平及垂直軸上以得到水平軸投影圖及垂直軸投影 圖,⑷計算每一圖像的標準化自動關聯値,⑷得到每一 標準化自動關聯値的局部最大値及局部最小値,在其上此 計算出的標準化自動關聯値在一預定的區間上形成一局部 波峰及局部波谷,(e)定義此局部最大値的平均値及此局 部最小値的平均値以爲差距,⑴選擇在其中標準偏差對 局部最大値平均値的比値小於或等於一預定界限的圖像當 成第一候選圖像,(g)根據被具有與被使用在過濾被選擇 的第二候選圖像中,比例係數及定向係數接近或相同的比 7 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公爱) (請先閱讀背面之注意事項再填寫本頁) 經濟部智慧財產局員工消費合作社印製 I I I I I I I ,1^ — — — — — — — — — — — — — — — — — — — — , 528990 A7 B7 五、發明說明(7) 例係數或定向係數之過濾器所過濾圖像的數目,決定第二 候選圖像的形式,(h)算出屬於第二候選圖像之個別形式 的圖像數’並決定第二候選圖像的每一形式之預定分量, (l)g十算圖像的被算出數目和被決定分量之乘積的總和, 以決定將此計算結果値當成一包含一結構描述符號的第一 指標’⑴決定具有最大不同之第二候選圖像的定向係數 及比例係數g成桌一到第五指標,及(k)決定將包含第一 指標及第一到第五指標的指標,當成對應影像的結構描述 符號。 爲達成本發明的第三目的,本發明提供一種裝置用來 恢復用於描述一影像結構特徵的一影像結構描述符號,此 裝置包括過濾裝置用來使用具有不同定向係數的預定過瀘 器過濾輸入影像,投影裝置用來將已過濾的影像投影在每 一預定方向軸上以得到包含每一方向映像點數値之平均値 的資料群’分類裝置用來藉由一預定分類方法在此資料群 中選擇候選資料群,第一指標決定裝置用來基於被具有與 被使用在過濾被選擇的候選圖像中之比例係數或定向係數 接近或相同的比例係數或定向係數之過濾器所過濾圖像的 數目決定另一指標,及第二指標決定裝置用來基於被使用 在過濾已決定之候選圖像中的過濾器的比例係數及定向係 數決定大多數的指標。 任擇其一地,本發明提供一種裝置用來恢復用於描述 一影像結構特徵的一影像結構描述符號,此裝置包括一過 濾單元用來使用具有不同定向係數及不同比例係數的預定 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) (請先閱讀背面之注意事項再填寫本頁) 經濟部智慧財產局員工消費合作社印製
-— — — — — — I— )aJ — — — — 雪 ΟΙ — — MO — — — — ......I.......· — — I 528990 經濟部智慧財產局員工消費合作社印製 A7 五、發明說明(§ ) 過濾器過濾輸入影像,一影像平均値/差距計算單元用來 計算關於每一已過濾影像的映像點之平均値及差距,並使 用此計算所得之平均値及差距得到一預定向量,一投影單 元用來將已過濾影像投影在水平及垂直軸上,以得到水平 軸投影圖及垂直軸投影圖,一計算單元用來計算一用於每 一圖像的標準化自動關聯値,一波峰偵測/分析單元用來 偵測用於每一自動關聯値的局部最大値及局部最小値,在 其中此計算得到的標準化自動關聯値在一預定的區間上形 成一局部波峰及局部波谷,一平均値/差距計算單元用來 計算局部最大値的平均値及局部最小値的平均値,一第一 候選圖像選擇/儲存單元用來選擇滿足於標準偏差對局部 最大値之比値小於或等於一預定界限値之需求的圖像當成 第一候選圖像,一第二候選圖像選擇/儲存單元甩來對第 一候選圖像應用一預定的群集演繹法以選擇相同者當成第 二候選圖像,一分類單元用來算出屬於第二候選圖像之每 一個別形式的圖像數目,輸出指示每一形式的圖像的數目 之資料信號,決定屬於個別形式的圖像之分量且輸出指示 將被應用到每一形式上的分量之資料信號,一第一指標決 定單元用來計算代表屬於每一形式的圖像的數目之資料和 代表將被應用到每一形式上的分量之資料的乘積的總和, 決定並輸出此計算結果當成一構成一結構描述符號的第一 指標,一差距計算單元用來根據使用從平均値/差距計算 單元所輸出的平均値之公式(2)計算此差距並輸出一指示 此計算得到之差距爲最大的信號·,一第二候選圖像選擇/ 9 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) 0 ϋ -ϋ —Bi tn n 1 ·#1 tmm§ in —Hi mmmam l · I 1 (請先閱讀背面之注意事項再填寫本頁) -_,· ·1 1 IB1 ϋ ·ϋ I mat n ϋ n em§ mmmt tmmm ϋ ϋ a— ϋ I n ϋ i-i 11 ϋ < 口 ^ 528990 A7 — - -------— d7 五、發明說明(j ) 儲存單元用來輸出在被儲存於其中之第二候選圖像中具有 最大差距的候選圖像以對應指出此計算得到之差距爲最大 的信號,一第二-到-第五指標決定單元用來在水平軸投影 圖中決定具有最大差距的一圖像的定向係數;在垂直軸投 影圖中決定具有最大差距的一圖像的定向係數,當成一第 二指標;在水平軸投影圖中決定具有最大差距的一圖像的 比例係數,當成一第四指標;及在垂直軸投影屬中決定具 有最大差距的一圖像的比例係數,當成一第五指標,以及 一結構描述符號輸出單元用來結合第一指標、第二到第五 指標及預定向量且輸出此結合之結果當成此對應影像的結 構描述符號。 【圖式之簡單說明】 本發明的上述目的及優點藉由詳細描述本發明的較佳 實施例並參考附圖將變得更顯而易見, 圖1A及1B爲流程圖顯示根據本發明的一種影像結 構描述符號恢復方法; 圖2爲根據本發明的一種影像結構描述符號恢復裝置 的一方塊圖;以及 圖3顯示基於根據本發明的影像結構描述符號恢復方 法模擬從Brodatz結構影像中擷取得到的知覺瀏覽成分 (PBCs)。 【圖式元件對照表】 200Gabor過濾器 202影像平均値/差距計算單元 (請先閱讀背面之注意事項再填寫本頁) 經濟部智慧財產局員工消費合作社印製 訂------- 14«·-----ill----------------- 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) 經濟部智慧財產局員工消費合作社印製 528990 A7 B7 五、發明說明(r) 204X軸投影器 206標準化自動關聯(NAC)計算單元 208波峰偵測/分析單元 210平均値/差距計算單元 212第一候選圖像選擇/儲存單元 214第二候選圖像選擇/儲存單元 216分類單元 218第一指標決定單元 220差距計算單元 222第二-到-第五指標決定單元 224結構描述符號輸出單元 【較佳實施例說明】 在以下,本發明的實施例將被詳細描述並請參考附 圖。 參考圖1A顯示根據本發明的一種影像結構描述符號 恢復方法,假設N爲一預定正整數,一輸入影像由NXN 映像點所組成,舉例言之,128 X 128個映像點,被使用 一 Gabor過濾器所過濾(步驟100)。此Gabor過濾器係 由具有不同定向係數及不同比例係數的過濾器所組成。假 設C1及C2爲預定正整數,輸入影像被具有C1種定向係 數及C2種比例係數的過濾器所過濾,且這些過濾器輸出 C1XC2種已過濾之影像。 下一步,C1XC2種已過濾影像中的每一種已過濾影 像之平均値及差距被計算,然後一向量被使用此平均値及 Γ4先閱讀背面之注意事項再填寫本頁}
I · -^1 em— ϋ ϋ ϋ n V · / i -ϋ I 1 I I I I n ϋ ϋ ϋ ϋ I ϋ I —Μ n n ϋ n ϋ n I I I I ϋ I I 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) 528990 A7 B7 五、發明說明(丨I) 差距而被得到(步驟102)。 然後’迨些已過濾影像被投影在X及γ軸上以得到 X軸投影圖及Y軸投影圖(步驟104)。每一圖像〇 爲一從1到N之整數)的標準化自動關聯(NAC)値以 a^ct幻表示,可被以下公式(1)計算得到: N-\ NAC(k)= N-\ .⑴ 濟 財 產 費 製 其中一圖像點的位置以i表示,被圖像點位置i的圖像點 所表不的投影圖以尸⑺表不且A:爲一從1到#的數字(y 爲一正整數)。 下一步’在其上此計算得到的在一預定區間 上局邰地形成一波峰及波谷的局部最大値及辱 部最小値被得到(步驟108)。 現在,差距被下列公式(2)所定義:差距=士 P—magn①-士 y —卿〆/·)..........⑺ (步驟110) 相同地,滿足下列公式(3)的圖像被選擇當成第一候 選圖像(步驟112): •⑶ 其中d及S爲局部最大値的平均値及標準差距 12 (請先閱讀背面之注意事項再填寫本頁) ·· 訂--- !線丨·-----11 J------------ 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公爱) 528990 A7 B7 五、發明說明(丨>) 且α爲一預定界限値。 參考圖1Β,修正的聚結群集被使用到第一候選圖像 上以選擇第二候選圖像(步驟114)。一修正的聚結群集 演繹法爲一種聚結群集的適當修正演繹法係由R.〇. Duda 及 Ρ·Ε· Hart 在”Pattern Classification and Scene Analysis, John Wiley and Sons,New York,1973,n中揭露,現在將被 簡單描述。首先,在N個圖像PI,…,PN中,令在波峰 間距離的平均値及標準差距爲di及Si,且每一圖像具有 一對應到(di,Si)的二維向量。現在,Pi已被使用對應到(di, Si)的二維向量群集化如下列所示。假設群集所需的目爲 Me,關於群集的最初數目N,每一群集Ci可被表示成 C1 = {P1},C2={P2},…,CN={PN}。如果群集的數目小 於Me,群集化便停止。下一步,兩個彼此最遠的群集Ci 及Cj被得到。如果Ci·與Cj之間的距離比一預定的界限 値爲大,群集化便停止。否則,Ci與Cj被合倂以移去兩 個群集中的一個。此程序被重複地執行直到群集的數目達 到一預定的數目。然後,在被群集化的群集之中具有最多 圖像的群集被選擇且在此被選擇群集中的圖像被選擇當成 候選圖像。 現在,第二候選圖像被分類成爲三種形式(步驟116)。 此分類根據被具有其與被使用來過濾第二候選圖像中之比 例係數及定向係數接近或相同的比例係數或定向係數之過 濾器所過濾圖像的數目而被執行。在以下,爲了方便解釋 的原因,被一具有一固定比例係數或一固定定向係數的過 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) (請先閱讀背面之注意事項再填寫本頁) 經濟部智慧財產局員工消費合作社印製 I ·ϋ ϋ n I n I 一:OJI ϋ ϋ I ϋ ϋ ϋ ·ϋ I ^1 I— n ϋ ϋ ϋ ϋ ϋ d— ϋ ϋ ϋ ·ϋ ϋ I ·ϋ ϋ ϋ n ·_Ι 經濟部中央標準局貝工消费合作社印製 528990 A7 ^B7 五、發明説明(丨3 ) 濾器所過濾的圖像以固定-比例-係數圖像或固定-定向-係 數圖像來表不。 更詳細言之,首先,在存在一個或多個圖像具有相同 於一有關候選圖像的比例或定向係數的比例或定向係數及 一個或多個圖像具有接近於一有關候選圖像的比例或定向 係數的比例或定向係數的情形中,此有關候選圖像被分類 成一 C1形式圖像。第二步,在存在一個或多個圖像具有 相同於一有關候選圖像的比例或定向係數的比例或定向係 數但不存在任何圖像具有接近於此有關候選圖像的比例或 定向係數的比例或定向係數的情形中,此有關候選圖像被 分類成一 C2形式圖像。第三步,在不存在任何圖像具有 相同於或接近於此有關候選圖像的比例或定向係數的比例 或定向係數的情形中,此有關候選圖像被分類成一 C3形 式圖像。然後,屬於Cl,C2及C3形式圖像的每一形式 圖像的數目被算出以Nl,N2及N3個別地表示,且屬於 Cl,C2及C3形式圖像的每一形式圖像的個別分量被算 出以Wl,W.2及W3個別地表示,其將在以下被描述。 現在,使用預定的數目Nl,N2及N3,及分量W1, W2及W3,下列計算被實行: M = ^NixWi............(4) /=1 其中此結果Μ被決定當成組成一結構描述符號的一第一 指標VI (步驟118)。 (請先閲讀背面之注意事項再填寫本頁) -訂 本紙張尺度適用中國國家標準(CNS )八4規格(210Χ297公釐) 528990 A7 B7 五、發明說明(^) 關於第二候選圖像,具有最大差距之圖像的定向係數 及比例係數被決定當成第二到第五指標(步驟120)。更 詳細言之,在X軸投影圖中具有最大差距之一圖像的定 向係數被決定當成一第二指標V2。相同地,在Y軸投影 圖中具有最大差距之一圖像的定向係數被決定當成一第三 指標V3。在X軸投影圖中具有最大差距之一圖像的比例 係數被決定當成一第四指標V4。相同地,在Y軸投影圖 中具有最大差距之一圖像的比例係數被決定當成一第五指 標V5。 使用在步驟118中被決定的第一指標VI,在步驟102 中被決定的第二到第五指標V2,V3,V4及V5,及向量 Z,此結構描述符號,即結構特徵向量,被設成{[VI,V2, V3,V4,V5],Z}(步驟 122)。 一大型第一指標VI指出一影像結構之組織的一高水 準,其已經實驗證實第一指標VI相當完全地代表一影像 結構之組織。第二及第三指標代表兩量子化定向在其中此 組織被最大擷取。第四及第五指標代表兩量子化比例在其 中此組織被最大擷取。 此結構描述符號在瀏覽或搜尋-恢復應用上被當成一 影像的索引。特別地,藉由根據本發明之影像結構描述符 號恢復方法所恢復的影像結構描述符號正適合被使用在棋 盤狀符號上在其中瀏覽圖案爲規律的,或結構定向瀏覽, 亦即’或刺繡圖案。因此,在搜尋結構類似的圖案上,影 像搜尋較視覺爲適合已被承認藉由基於在結構定向瀏覽上 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) (請先閱讀背面之注意事項再填寫本頁) -·---- 經濟部智慧財產局員工消費合作社印製 I >ϋ n I ϋ ϋ ϋ n I ϋ n ϋ n ϋ ϋ ϋ ί ϋ —Μ n n ϋ n I n ϋ ϋ I -I ϋ ϋ ϋ · 528990 A7 B7 五、發明說明uy) 應用根據本發明之影像結構描述符號恢復方法到此應用 上。因此,在組成由根據本發明之影像結構描述符號恢復 方法所恢復之結構描述符號的指標中,第一到第五指標 VI,V2,V3,V4及V5可被參考當成知覺瀏覽成分(PBCs)。 相同地,關於每一已過濾的影像,映像點値的平均値 及差距被計算得到。藉由使用此平均値及差距而得到的向 量Z可被參考當成相似恢復成分(SRCs)。 換句話說,在此根據本發明之影像結構描述符號恢復 方法中,結構描述符號允許多種結構組織存在於一影像中 以被有知覺地擷取。 一第一指標VI其爲一影像結構的組織之一相當好指 標,第二及第三指標V2及V3代表兩量子化定向在其中 此組織被最大擷取,第四及第五指標V4及V5代表兩量 子化比例在其中此組織被最大擷取,被使用當成影像的結 構描述符號,此已被描述過。 但是,上述實施例只被使用在一可描述的感覺中且並 非爲限制的目的。一單一的指標非常適合於一影像的特徵 且任意被選擇的兩個以上的指標可同樣地被使用來當成影 像的結構描述符號。所以,上述實施例不可被企圖當成本 發明之範圍的限制。 相同地,此影像結構描述符號恢復方法可藉由一電腦 程式而程式化。組成此電腦程式的程式碼及程式碼段可很 容易地由在此業界中的電腦程式設計師達成。相同地,此 程式可被儲存在電腦可讀取媒體中且可被電腦讀取及執 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) (請先閱讀背面之注意事項再填寫本頁) 經濟部智慧財產局員工消費合作社印製
' I · n tema ϋ^OJ· ββ e* 瞳 1 I I 1 ϋ ϋ ϋ ·1 1 n ϋ I ·ϋ 1 ϋ I H ϋ ϋ ϋ ϋ I 528990 A7 B7 五、發明説明(卜) 行,藉此實行此影像結構描述符號恢復方法。此媒體包括 磁性記錄媒體,光學記錄媒體,載波媒體,及其他類似媒 體° (請先閲讀背面之注意事項再填寫本頁) 相同地,此影像結構描述符號恢復方法可被一影像結 構描述符號恢復裝置所實施。圖2爲根據本發明之影像結 構描述符號恢復裝置的一方塊圖。參考圖2,此影像結構 描述符號恢復裝置包括一 Gabor過爐器200,一影像平均 値/差距計算單元202,一 X軸投影器204,一 Y軸投影 器205,一標準化自動關聯(NAC)計算單元206及一波峰 偵測/分析單元208。相同地,此影像結構描述符號恢復 裝置包括一平均値/差距計算單元210,——第一候選圖像 選擇/儲存單元212,一第二候選圖像選擇/儲存單元 214,一分類單元216,一第一指標決定單元218·,一差距 計算單元220,一第二-到-第五指標決定單元222及一結 構描述符號輸出單元224。 經濟部中央標準局員工消費合作社印製 在此影像結構描述符號恢復裝置的操作中,假設N 爲一預定的正整數,此Gabor過濾器200過濾一包含N XN個映像點的輸入影像,舉例言之,128 X 128個映像 點使用具有不同定向係數及不同比例係數的過濾器(未顯 示出),且輸出已過濾的影像(imagejfiltered)。假設C1 及C2爲預定的正整數,輸入影像被具有C1種定向係數 及C2種比例係數的過濾器所過瀘,且此過濾器輸出Cl X C2種已過濾影像。 此影像平均値/差距計算單元202計算此C1XC2種 本紙張尺度適用中國國家標準(CNS ) A4規格(210X297公釐) 528990 A7 B7 經濟部智慧財產局員工消費合作社印製 五、發明說明(7) 已過濾影像的每一種之映像點的平均値及差距,然後使用 此平均値及差距得到一向量Z並輸出此得到的向量z。 此X軸投影器204及Y軸投影器205將已過濾的影 像投影到X軸及Y軸上以得到X軸投影圖及Y軸投影圖。 換句話說,假定一映像點位置以i來表示(i爲一從1到 N的整數),此X軸投影器204及Y軸投影器205輸出投 影圖以映像點的映像點位置i(i-l,…,N)表示。 此標準化自動關聯(NAC)計算單元206計算用於每一 圖像的標準化自動關聯(NAC)値,以见表示,使 用公式(1)。 此波峰偵測/分析單元208偵測局部最大 及局部最小値,在其上此計算得到的见4(:呢在 一預定區間上形成一局部波峰及一局部波谷。 此平均値/差距計算單元21(ί計算此局部最大値 «⑺的平均値d及標準差距S且將其輸出。此第一 候選圖像選擇/儲存單元212接收此平均値d及標準差距 S,選擇滿足於公式(3)的圖像當成第一候選圖像 (1st—CAND)且儲存此被選擇的第一候選圖像,在其中 α爲一預定的界限値。 此第二候選圖像選擇/儲存單元214應用一修正的聚 結群集到第一候選圖像上以選擇相同者當成第二候選圖像 (2nd—CAND ) 〇 此分類單元216,如已描述並參考圖1 Β關於第二候 選圖像,計算屬於Cl,C2及C.3形式圖像的每一形式圖 (請先閱讀背面之注意事項再填寫本頁} _·---- 訂_| •線 4-----ΊΙΗ----I-------- 本紙張尺度適用中國國家標準(CNS)A4規格(210 Χ 297公釐) 528990 A7 B7 五、發明說明() 像的數目並將其以Nl,N2及N3個別地表示’並輸出指 出每一形式圖像的數目之資料信號^。相同地,此分類 單元216決定屬於Cl,C2及C3形式圖像的每一形式圖 像的預定分量並將其以Wl,W2及W3個別地表示,並 輸出指出將被應用到每一形式之分量的資料信號奶。 此第一指標決定單元218使用此預定的數目Nl,N2 及N3,及分量Wl,W2及W3計算如公式(4)所表示的Μ, 並決定及輸出此計算結果當成組成一結構描述符號的一第 一指標VI。 此差距計算單元220計算由公式(2)所表示的差距並 輸出一信號指出此計算得到的差距爲最大。 此第二候選圖像選擇/儲存單元214輸出被儲存在其 中之第二候選圖像中具有最大差距的候選圖像到第二-到-第五指標決定單元222。 此第二-到-第五指標決定單元222決定具有最大差距 之圖像的定向係數及比例係數當成第二到第五指標。換句 話說,在X軸投影圖中具有最大差距之一圖像的定向係 數被決定當成一第二指標V2。相同地,在Y軸投影圖中 具有最大差距之一圖像的定向係數被決定當成一第三指標 V3。在X軸投影圖中具有最大差距之一圖像的比例係數 被決定當成一第四指標V4。相同地,在Y軸投影圖中具 有最大差距之一圖像的比例係數被決定當成一第五指標 V5。 此結構描述符號輸出單元224設定並輸出此結構描述 19 ¥紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公髮) (請先閱讀背面之注意事項再填寫本頁) 經濟部智慧財產局員工消費合作社印製 .·--------訂---------線 — ·-----U------------- 528990 A7 B7____ 五、發明說明(if ) 符號,此即,此結構特徵向量,如{[vi,V2,V3,V4, V5],Z},使用從第一指標決定單元218輸出的第一指標 VI,從第二-到-第五指標決定單元222輸出的第二到第五 指標V2,V3,V4及V5及從影像平均値/差距計算單元 202輸出的向量Z。 圖3顯示基於根據本發明的影像結構描述符號恢復方 法模擬從Brodatz結構影像中擷取得到的知覺瀏覽成分 (PBCs)。 如以上所描述,根據本發明的影像結構描述符號恢復 方法’允許多種結構組織存在於一將被有知覺地擷取之影 像中的結構描述符號是可被恢復的。 (請先閱讀背面之注意事項再填寫本頁} 經濟部智慧財產局員工消費合作社印製 --------訂---------線-----U — 20 本紙張尺度適用中國國家標準(CNS)A4規袼(210 X 297公釐)
Claims (1)
- 〜種用於描In 一影像結構特徵的ft盪影像結構描述符號 ,包括步驟: (a)使用具有不同定向係數的預定過濾器過滅輸入影 經濟部智慧財產局員工消費合作社印製 528990 像; Γ (b)將已過濾之影像投影到每一預定方向軸上以得到包 含每一方向映像點數値之平均値的資料群; (幻藉由一預定分類方法在此資料群中選擇候選的資料 群; (句以被使用在過濾候選資料群中之過濾器的定向係數 爲基礎決定多數的指標;及 (e)決定此多數的指標當成此影像的結構描述符號。 2·如申請專利範圍第1項所述恢復影像結構描述符號赶方 法,在其中步驟(a)進一步包括步驟(a-Ι)使用具有不同比 例係數的預定過濾器過濾輸入影像,及步驟(d)進一步包 括步驟(d_l)以被使用在過濾候選資料群中之過濾器的 比例係數爲基礎決定多數的指標。 3·如申請專利範圍第2項所述恢復影像結構描述符號的方 法,進一步包括基於被具有與被使用在被選擇的過濾候 選資料群中之過濾器的比例係數或定向係數接近或相同 的比例係數或定向係數的過瀘器所過濾之資料群的存在 決定另外指標的步驟。 4·如申請專利範圍第3項所述恢復影像結耩描沭符號gj方 法,進一步包括計算關於被過濾影像的每一影像之映像 點的平均値及差距的步驟,且使用此計算得到的平均値 ---Γ---L----I --- (請先閱讀背面之注意事項再填寫本頁) 訂: 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐)經濟部智慧財產局員工消費合作社印製 六、申請專利範圍 Λ./ /* i 及差距得到一預定的向量。 - 5. 如申請專利範圍第2項近述影像結構描述符號赶方, 法,進一步包括計算關於此被過濾影像之映像點的平均· 値及差距的頻,錢航計鱗動平雜及差距得Γ 至[| -~jp] 。 6. 如申請專利範圍第1項歷述值孤影像結構描述符號赴方 法,進一步包括基於被具有與被使用在被選擇的過濾候 選資料群中之過瀘器的比例係數或定向係數接近或相同 的比例係數或定向係數的過濾器所過濾之圖像的存在決 定另外指標的步驟。 ^ 7. 如申請專利範圍第6項租述您&影像結構描述符號赴方 法,進一步包括計算關於被過濾影像的每一影像之映像 點的平均値及差距的步驟,且使用此計算得到的平均値 及差距得到一預定的向量。 8. 如申請專利範圍第1項所述恢復影像結構描述符號ϋ方 法,進一^步包括計算關於被過據影像的每一^影像之映像 點的平均値及差距的步驟,且使用此計算得到的平均値 及差距得到一預定的向量。 9. 一種用於描述一影像之結構特徵的&復影像結構描述符 號的方法,包括步驟: (a) 使用具有不同比例係數的預定過濾器過濾輸入影 像; (b) 將已過濾之影像投影到每一預定方向軸上以得到包 含每一方向映像點數値之平均値的資料群; 22 -----------裝--- (請先閱讀背面之注意事項再填寫本頁) . 本紙張尺度適用中國國家標準(CNS)A4規格(210 x 297公釐)~' · ' 528990 A8 B8 C8 D8 煩: 六、申請專利範圍 (e)以被使用在過濾於資料群中被一預定選擇方法所選 擇的資料群中之過濾器的比例係數爲基礎決定多數的 指標; (d)決定此多數的指標當成此影像的結構描述符號。 10. 如申請專利範圍第9項所述恢復影像結構描述符號肢 方法的影像結構描述符號恢復方法,進一步包括計算關 於此被過濾影像之映像點的平均値及差距的步驟’且使 用此計算得到的平均値及差距得到一預定的向量。 11. 一種用於描述一影像之結構特徵的恢復影像結構描述 符號的方法,包括步驟: (a) 使用具有不同定向係數及不同比例係數的預定過瀘 器過濾輸入影像; (b) 將已過濾之影像投影到每一預定方向軸上以得到包 含每一方向映像點數値之平均値的圖像; (c) 藉由一預定的分類方法於在步驟(b)中得到的圖像中 選擇候選圖像; (d) 基於被具有與被使用在被選擇的過濾候選圖像中之 過濾器的比例係數或定向係數接近或相同的比例係數 或定向係數的過濾器所過瀘之圖像的存在決定另外指 標; (e) 以被使用在過瀘預定候選圖像中之過濾器的比例係 數或定向係數爲基礎決定多數的指標; (f) 決定在步驟(d)中被決定的指標及在步驟(e)中被決 定的多數指標當成此影像的結描述符號。 ----1--------裂 i — (請先閱讀背面之注意事項再填寫本頁) . 經濟部智慧財產局員工消費合作社印製 本紙張尺度適用中國國家標準(CNS)A4規格(210 x 297公釐). 528990 A8 B8 C8 D8 六、申請專利範圍 /.· - 12. 如申請專利範項所述恢復影像結構描述符號 ϋ方法,進一步包括計算關於此被過濾影像之映像點的 平均値及差距的步驟,且使角此計算得到的平均値及差 距得到一預定的向量。 r 13. 一種用於描述一影像之結構特徵的恢復影像結構描述 符號的方法,包括步驟: (a) 使用具有不同定向係數及不同比例係數的預定過濾 器過濾輸入影像; (b) 將已過濾之影像投影到水平及垂直軸上以得到水平 軸投影圖及垂直軸投影圖; (c) 計算每一圖像的標準化自動關聯値; (d) 得到每一標準化自動關聯値的局部最大値及局部最 小値,在其上此計算出的標準化自動關聯値在一預定 的區間上形成一局部波峰及局部波谷; (e) 定義此局部最大値的平均値及此局部最小値的平均 値以爲差距; (f) 選擇在其中標準偏差對局部最大値平均値的比値小 於或等於一預定界限的圖像當成第一候選圖像; (g) 根據被具有與被使用在過濾被選擇的第二候選圖像 中之比例係數及定向係數接近或相同的比例係數或定 向係數之過濾器所過濾圖像的數目決定第二候選圖像 的形式; (h) 算出屬於第二候選圖像之個別形式的圖像數並決定 第二候選圖像的每一形式之預定分量; ----,---.-----^-裝--- (請先閱讀背面之注意事項再填寫本頁) 訂· · 經濟部智慧財產局員工消費合作社印製 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) 528990 A8 B8 C8 D8 六、申請專利範圍 (i) 計算圖像的被算出數目和被決定分量之乘積的#悤和 以決定將此計算結果値當成一包含一結構描述符號的 第一指標; (j) 決定具有最大不同之第二候選圖像的定向係數及比 例係數當成第二到第五指標;及 (k) 決定包括第一指標及第二到第五指標的指標當成對 應影像的結構描述符號。 14. 如申請專利範圍第13項所述恢復影像結構描述符號 ϋ方法,進一步包括計算關於此被過濾影像之映像點的 平均値及差距的步驟,且使用此計算得到的平均値及差 距得到一預定的向量,在其中步驟(k)包括決定將包含第 一指標,第二到第五指標的指標及預定向量當成對應影 像的結構描述符號之步驟。 15. 如申請專利範圍第13項所述恢復影像結構描述符號 赶方法,在其中此標準化自動關聯値,以见表示’ 可被以下公式計算得到: -I ϋ L flLTM— L- n n I I- I · I I (請先閱讀背面之注意事項再填寫本頁) )5JI . 經濟部智慧財產局員工消費合作社印製 MAC(k) N-l - k)P(m) N-1 Ν-ί iV-I 、m:k m-k 其中#爲一預定正整數,一輸入影像包含Nx N個圖像 點,一圖像點的位置以i表示,其中i爲一從1到#的 數字,被層像點位置i的圖像點所表示的投影圖以 表示且々爲一從1到iV的數字。 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) 528990 A8 B8 C8 D8 六、申請專利範圍 16·如申請專利範圍第13項所述恢復影像結構描述符號 赶方法,其中差距被決定如下: --------,------裝--- (請先閱讀背面之注意事項再填寫本頁) ; I M j L 差距=g Σ户一膨神)- 7 Σ F 一⑺卿ω ?· M /=i L i:' °’2餐中爲在步驟(d)中被決定的局 部最大値及局部最小値。 17. 如申請專利範圍第13項所述直復影像結構描述符號 ϋ方法,其中在步驟(f)中,滿足下列公式的圖像被選擇 當成第一候選圖像: -^ CC d 其中^及51爲局部最大値的平均値及標準差距且α爲一 預定界限値。 18. 如申請專利範圍第13項所述恢復影像結耩描沭符號 政方法,其中步驟(g)包括子步驟: 經濟部智慧財產局員工消費合作社印製 (g-Ι)如果存在一個或多個圖像其具有與一有關的候選 圖像之比例或定向係數相同的比例或定向係數且存 在一個或多個圖像其具有近似於此有關的候選圖像 之比例或定向係數的比例或定向係數,將此有關的 候選圖像區分成一第一形式圖像; (g-2)如果存在一個或多個圖像其具有與一有關的候選 圖像之比例或定向係數相同的比例或定向係數但不 存在一個或多個圖像其具有近似於此有關的候選圖 像之比例或定向係數的比例或定向係數’將此有關 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) 經濟部智慧財產局員工消費合作社印製 528990 § J D8 - ~瞒 "" 六、申請專利範圍 I 的候選圖像區分成#笔二形式圖像;及 (g-3)如果不存在一個或多個圖像其具有相同於或近似 於此有關的候選圖像之比例或定向係數的比例或定 向係數,將此有關的候選圖像『區分成一第三形式圖 像。 19. 如申請專利範圍第13項所述恢復影像結構描述符號 赶方法,其中步驟(h)包括算出屬於圖像的第一到第三形 式的每一形式的圖像數目且決定圖像的每一形式之預定 分量的步驟。 20. 如申請專利範圍第13項所述恢復影像結構描述符號 ϋ方法,在步驟(f)之後,進一步包括對第一候選圖像應 用一預定的群集演繹法以選擇第二候選圖像。 21. 如申請專利範圍第20項所述恢復影像結構描述符號 赶方法,其中此預定的群集演繹法爲已被修正的聚結群 集方法。 22. 如申請專利範圍第13項所述恢復影像結構描述符號 政方法,其中在步驟⑴中,在水平軸投影圖之中具有最 大差距之一圖像的定向係數被決定當成一第二指標;在 垂直軸投影圖之中具有最大差距之一圖像的定向係數被 決定當成一第二指標;在水平軸投影圖之中具有最大差 距之一圖像的比例係數被決定當成一第四指標;以及在 垂直軸投影圖之中具有最大差距之一圖像的比例係數被 決定當成一第五指標。 23. 如申請專利範圍第13項班述恢復影像結構描述符號 (請先閱讀背面之注意事項再填寫本頁) 裝 · # 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) 528990 A8 B8 C8 D8 六、申請專利範圍 ϋ方法,其中步驟ΰ)包括決定將包含第一指標’第 第五指標的指標及此預定向量當成對應影像的結構描述 符號之步驟。 24.如申請專利範圍第13項所述恢復影像結構描述符號 ϋ方法,其中此預定的過濾器包括Gabor過濾器。 日所提之 ------*----裝--- (請先閱讀背面之注意事項再填寫本頁) 25·如申請專利範圍第14項所述恢復影像結構描述符號 赶方法,其中此預定的過濾器包括Gabor過濾器。 26.如申請專利範圍第15項所述恢復影像結構描述符號 赶方法,其中此預定的過濾器包括Gabor過濾器。 27·如申請專利範圍第16項所述恢復影像結構描述符號 赶方法,其中此預定的過濾器包括Gabor過濾器。 28·如申請專利範圍第17項所述恢復影像結構描述符號 ϋ方法,其中此預定的過濾器包括Gabor過濾器。 29·如申請專利範圍第18項所述恢復影像結構描述符號 赶方法,其中此預定的過濾器包括Gab〇r過濾器。 30·如申請專利範圍第19項所述恢復影像結構描述符號 赶方法,其中此預定的過濾器包括Gabor過濾器。 經濟部智慧財產局員工消費合作社印製 31· —種電腦可讀取媒體丄其具有可被一電腦執行的程式 碼以實行一種用於影像結構描述符號的方法上以描述一 影像的結構特徵,此方法包括步驟: (a) 使用具有不同定向係數及不同比例係數的預定過濾 器過濾輸入影像; (b) 將已過濾之影像投影到水平及垂直軸上以得到水平 軸投影圖及垂直軸投影圖; 28 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公爱) : 528990 A8 B8 C8 D8 經濟部智慧財產局員工消費合作社印製 六、申請專利範圍 > (C)計算每一圖像的標準化自動關聯値; ^ (d)得到每一標準化自動關聯値的局部最大値及局部最 小値,在其上此計算出的標準化自動關聯値在一預定 的g間上形成一局部波峰及局部波谷; (e) 定義此局部最大値的平均値及此局部最小値的平均 値以爲差距; (f) 選擇在其中標準偏差對局部最大値平均値的比値小 於或等於一預定界限的圖像當成第一候選圖像; (g) 根據被具有與被使用在過瀘被選擇的第二候選圖像 中之比例係數及定向係數接近或相同的比例係數或定 向係數之過濾器所過濾圖像的數目決定第二候選圖像 的形式; (h) 算出屬於第二候選圖像之個別形式的圖像數並決定 第二候選圖像的每一形式之預定分量; ⑴計算圖像的被算出數目和被決定分量之乘積的總和 以決定將此計算結果値當成一包含一結構描述符號的 第一指標; ϋ)決定具有最大不同之第二候選圖像的定向係數及比 例係數當成第二到第五指標;及 (k)決定將包含第一指標及第二到第五指標的指標當成 對應影像的結構描述符號。 32.如申請專利範圍第31項的電腦可讀取媒體,其中此影 像結構描述符號恢復方法進一步包括計算關於此被過濾 影像之映像點的平均値及差距的步驟’且使用此計算得 29 (請先閱讀背面之注意事項再填寫本頁) 裝 · # 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公爱) 528990 A8 / B8 C8 D8 ; 六、申請專利範圍 、丨 到的平均値及差距得到一預‘定釣向量,且在其步驟(k) 中包括將包含第一指標,第二到第五指標的指標及 此預__當成像的結構描述#號之步驟。 33. ~7镇複一用於描述一影r像之結構特徵的 影 括: 過濾裝使用具有不同定向係數的預定過濾器 過爐輸入影像; 投影裝置用來將已過濾的影像投影在每一預定方向 軸上以得到包含每一方向映像點數値之平均値的資料 群; 分類裝置用來藉由一預定分類方法在此資料群中選 擇候選資料群; 第一指標決定裝置用來基於被具有與被使用在過濾 被選擇的候選圖像中之比例係數或定向係數接近或相同 的比例係數或定向係數之過濾器所過濾圖像的數目決定 另一指標;及 第二指標決定裝置用來基於被使用在過濾已決定之 候選圖像中的過濾器的比例係數及定向係數決定大多數 的指標。 34. 如申請專利範圍第33項所述的裝置,淮一步包括平均 値/差距計算裝置用來計算關於每一已過濾影像的映像 點之平均値及差距,並使用此計算所得之平均値及差距 得到一預定1¾量。 35. —種^±用來恢復一用於描述一影像之結構特徵的影 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) ----*---.----麵-裝 (請先閱讀背面之注意事項再填寫本頁) . 經濟部智慧財產局員工消費合作社印製 528990 A8 B8 C8 D8 六、申請專利範 像結構描述符 -------ί----裝--- (請先閱讀背面之注意事項再填寫本頁) 一過濾使用具有不同定向係數及不同比例 係數的預定過濾器過濾輸入影像; 一影像平均値/差距計算單元用來計算關於每一已 過濾影像的映像點之平均値及差距,並使用此計算所得 之平均値及差距得到一預定向量; 一投影單元用來將已過瀘影像投影在水平及垂直軸 上以得到水平軸投影圖及垂直軸投影圖; 一計算單元用來計算一用於每一圖像的標準化自動 關聯値; 一波峰偵測/分析單元用來偵測用於每一自動關聯 値的局部最大値及局部最小値,在其中此計算得到的標 準化自動關聯値在一預定的區間上形成一局部波峰及局 部波谷; 一平均値/差距計算單元用來計算局部最大値的平 均値及局部最小値的平均値; 經濟部智慧財產局員工消費合作社印製 一第一候選圖像選擇/儲存單元用來選擇滿足於標 準偏差對局部最大値之比値小於或等於一預定界限値之 需求的圖像,當成第一候選圖像; 一第二候選圖像選擇/儲存單元用來對第一候選圖 像應用一預定的群集演繹法以選擇相同者當成第二候選 圖像; 一分類單元用來算出屬於第二候選圖像之每一個別 形式的圖像數目,輸出指示每一形式的圖像的數目之資 ^纸張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) 528990 A8 B8 C8 D8日所提之、.iL 經濟部智慧財產局員工消費合作社印製 六”、、丨申請專利範圍 /··· ’斗信號’決定屬於個別形式的圖像之分量且輸出指示將 被應用到每一形式上的分量之資料信號; 一第一指標決定單元用來計算代表屬於每一形式的 圖像的數目 <之資料和代表將被應用到每一形式上的分量 s U之資料的乘積的總和,決定並輸出此計算結果當成一構 成一結構描述符號的第一指標; 一差距計算單元用來根據使用從平均値/差距計算 單元所輸出的平均値之公式(2)計算此差距並輸出一指 示此計算得到之差距爲最大的信號; 一第二候選圖像選擇/儲存單元用來輸出在被儲存 於其中之第二候選圖像中具有最大差距的候選圖像以對 應指出此計算得到之差距爲最大的信號; 一第二-到-第五指標決定單元用來在水平軸投影圖 中決定具有最大差距的一圖像的定向係數;在垂直軸投 影圖中決定具有最大差距的一圖像的定向係數,當成一 第二指標;在水平軸投影圖中決定具有最大差距的一圖 像的比例係數,當成一第四指標;及在垂直軸投影圖中 決定具有最大差距的一圖像的比例係數,當成一第五指 標;以及 一結構描述符號輸出單元用來結合第一指標,第二 到第五指標及預定向量且輸出此結合之結果當成此對應 影像的結構描述符號。 ---:---:----_-裝--- (請先閱讀背面之注意事項再填寫本頁) · 本紙張尺度適用中國國家標準(CNS)A4規格'210 X 297公釐)
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US11874099P | 1999-02-05 | 1999-02-05 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW528990B true TW528990B (en) | 2003-04-21 |
Family
ID=22380454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW089103999A TW528990B (en) | 1999-02-05 | 2000-06-23 | Image texture retrieving method and apparatus thereof |
Country Status (16)
Country | Link |
---|---|
US (3) | US6624821B1 (zh) |
EP (3) | EP1453000B1 (zh) |
JP (2) | JP2002536750A (zh) |
KR (5) | KR100444778B1 (zh) |
CN (2) | CN100489892C (zh) |
AT (3) | ATE490518T1 (zh) |
AU (1) | AU775858B2 (zh) |
BR (1) | BR0007956A (zh) |
CA (2) | CA2625839A1 (zh) |
DE (3) | DE60045319D1 (zh) |
MX (1) | MXPA01007845A (zh) |
MY (2) | MY128897A (zh) |
NZ (1) | NZ513144A (zh) |
SG (1) | SG142124A1 (zh) |
TW (1) | TW528990B (zh) |
WO (1) | WO2000046750A1 (zh) |
Families Citing this family (106)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2003252765B2 (en) * | 1999-02-05 | 2006-06-29 | Samsung Electronics Co., Ltd. | Image texture retrieving method and apparatus thereof |
KR100308456B1 (ko) | 1999-07-09 | 2001-11-02 | 오길록 | 주파수 공간상에서의 질감표현방법 및 질감기반 검색방법 |
KR100355404B1 (ko) | 1999-12-03 | 2002-10-11 | 삼성전자 주식회사 | 주파수 공간상에서의 가보 필터를 이용한 질감표현방법 및질감기반 영상 검색방법 |
US6977659B2 (en) * | 2001-10-11 | 2005-12-20 | At & T Corp. | Texture replacement in video sequences and images |
US7606435B1 (en) | 2002-02-21 | 2009-10-20 | At&T Intellectual Property Ii, L.P. | System and method for encoding and decoding using texture replacement |
KR100908384B1 (ko) * | 2002-06-25 | 2009-07-20 | 주식회사 케이티 | 블록상관계수를 이용한 영역기반 질감 추출 장치 및 그 방법 |
JP2005122361A (ja) * | 2003-10-15 | 2005-05-12 | Sony Computer Entertainment Inc | 画像処理装置及び方法、コンピュータプログラム、記録媒体 |
US7415145B2 (en) * | 2003-12-30 | 2008-08-19 | General Electric Company | Methods and apparatus for artifact reduction |
JP4747881B2 (ja) * | 2006-02-27 | 2011-08-17 | セイコーエプソン株式会社 | 演算処理装置によるデータ変換方法、テクスチャの作成方法、プログラム、記録媒体、及びプロジェクタ。 |
JP2009539841A (ja) * | 2006-06-06 | 2009-11-19 | トラークス,インコーポレイテッド | 自己免疫疾患の治療における抗cd3抗体の投与 |
EP1870836A1 (en) * | 2006-06-22 | 2007-12-26 | THOMSON Licensing | Method and device to determine a descriptor for a signal representing a multimedia item, device for retrieving items in a database, device for classification of multimedia items in a database |
JP5358083B2 (ja) * | 2007-11-01 | 2013-12-04 | 株式会社日立製作所 | 人物画像検索装置及び画像検索装置 |
US7924290B2 (en) * | 2007-05-30 | 2011-04-12 | Nvidia Corporation | Method and system for processing texture samples with programmable offset positions |
KR101394154B1 (ko) | 2007-10-16 | 2014-05-14 | 삼성전자주식회사 | 미디어 컨텐츠 및 메타데이터를 부호화하는 방법과 그 장치 |
JO3076B1 (ar) | 2007-10-17 | 2017-03-15 | Janssen Alzheimer Immunotherap | نظم العلاج المناعي المعتمد على حالة apoe |
US8483431B2 (en) | 2008-05-27 | 2013-07-09 | Samsung Electronics Co., Ltd. | System and method for estimating the centers of moving objects in a video sequence |
US20140321756A9 (en) * | 2008-05-27 | 2014-10-30 | Samsung Electronics Co., Ltd. | System and method for circling detection based on object trajectory |
US8107726B2 (en) * | 2008-06-18 | 2012-01-31 | Samsung Electronics Co., Ltd. | System and method for class-specific object segmentation of image data |
US20100027845A1 (en) * | 2008-07-31 | 2010-02-04 | Samsung Electronics Co., Ltd. | System and method for motion detection based on object trajectory |
US8433101B2 (en) * | 2008-07-31 | 2013-04-30 | Samsung Electronics Co., Ltd. | System and method for waving detection based on object trajectory |
US8073818B2 (en) * | 2008-10-03 | 2011-12-06 | Microsoft Corporation | Co-location visual pattern mining for near-duplicate image retrieval |
KR101194605B1 (ko) * | 2008-12-22 | 2012-10-25 | 한국전자통신연구원 | 시간 연속적 텍스쳐 합성 장치 및 방법 |
KR101028628B1 (ko) | 2008-12-29 | 2011-04-11 | 포항공과대학교 산학협력단 | 영상 텍스쳐 필터링 방법, 이를 수행하는 프로그램을 기록한 기록매체 및 이를 수행하는 장치 |
US8321422B1 (en) | 2009-04-23 | 2012-11-27 | Google Inc. | Fast covariance matrix generation |
US8396325B1 (en) | 2009-04-27 | 2013-03-12 | Google Inc. | Image enhancement through discrete patch optimization |
US8611695B1 (en) | 2009-04-27 | 2013-12-17 | Google Inc. | Large scale patch search |
US8391634B1 (en) * | 2009-04-28 | 2013-03-05 | Google Inc. | Illumination estimation for images |
US8385662B1 (en) | 2009-04-30 | 2013-02-26 | Google Inc. | Principal component analysis based seed generation for clustering analysis |
US8798393B2 (en) | 2010-12-01 | 2014-08-05 | Google Inc. | Removing illumination variation from images |
PT3156420T (pt) | 2010-12-06 | 2019-05-27 | Seattle Genetics Inc | Anticorpos humanizados a liv-1 e seu uso para tratar o cancro |
US8738280B2 (en) * | 2011-06-09 | 2014-05-27 | Autotalks Ltd. | Methods for activity reduction in pedestrian-to-vehicle communication networks |
CN104334184B (zh) | 2011-10-28 | 2017-12-29 | 普罗典娜生物科学有限公司 | 识别α‑突触核蛋白的人源化抗体 |
CA2863953A1 (en) | 2012-01-27 | 2013-08-01 | Neotope Biosciences Limited | Humanized antibodies that recognize alpha-synuclein |
US20130309223A1 (en) | 2012-05-18 | 2013-11-21 | Seattle Genetics, Inc. | CD33 Antibodies And Use Of Same To Treat Cancer |
UA118441C2 (uk) | 2012-10-08 | 2019-01-25 | Протена Біосаєнсиз Лімітед | Антитіло, що розпізнає альфа-синуклеїн |
EP3689904A1 (en) | 2013-03-13 | 2020-08-05 | Prothena Biosciences Limited | Tau immunotherapy |
US10513555B2 (en) | 2013-07-04 | 2019-12-24 | Prothena Biosciences Limited | Antibody formulations and methods |
WO2015004633A1 (en) | 2013-07-12 | 2015-01-15 | Neotope Biosciences Limited | Antibodies that recognize islet-amyloid polypeptide (iapp) |
WO2015004632A1 (en) | 2013-07-12 | 2015-01-15 | Neotope Biosciences Limited | Antibodies that recognize iapp |
KR101713690B1 (ko) * | 2013-10-25 | 2017-03-08 | 한국전자통신연구원 | 특징 선택 방법을 이용한 비주얼 기술자 추출 방법 및 시스템 |
WO2015075635A2 (en) | 2013-11-19 | 2015-05-28 | Prothena Biosciences Limited | Monitoring immunotherapy of lewy body disease from constipation symptoms |
KR20160127825A (ko) | 2014-03-12 | 2016-11-04 | 프로테나 바이오사이언시즈 리미티드 | 항-mcam 항체 및 관련된 사용 방법 |
WO2015136472A1 (en) | 2014-03-12 | 2015-09-17 | Prothena Biosciences Limited | Anti-laminin4 antibodies specific for lg4-5 |
TW201623331A (zh) | 2014-03-12 | 2016-07-01 | 普羅帝納生物科學公司 | 抗黑色素瘤細胞黏著分子(mcam)抗體類及使用彼等之相關方法 |
WO2015136471A1 (en) | 2014-03-12 | 2015-09-17 | Prothena Biosciences Limited | Anti-laminin4 antibodies specific for lg1-3 |
KR20170052526A (ko) | 2014-03-13 | 2017-05-12 | 프로테나 바이오사이언시즈 리미티드 | 다발성 경화증에 대한 병용 치료 |
WO2015155694A1 (en) | 2014-04-08 | 2015-10-15 | Prothena Biosciences Limited | Blood-brain barrier shuttles containing antibodies recognizing alpha-synuclein |
US9840553B2 (en) | 2014-06-28 | 2017-12-12 | Kodiak Sciences Inc. | Dual PDGF/VEGF antagonists |
KR102260805B1 (ko) * | 2014-08-06 | 2021-06-07 | 삼성전자주식회사 | 이미지 검색 장치 및 그 방법 |
US20160075772A1 (en) | 2014-09-12 | 2016-03-17 | Regeneron Pharmaceuticals, Inc. | Treatment of Fibrodysplasia Ossificans Progressiva |
KR102258100B1 (ko) * | 2014-11-18 | 2021-05-28 | 삼성전자주식회사 | 텍스쳐 처리 방법 및 장치 |
TWI769570B (zh) | 2015-01-28 | 2022-07-01 | 愛爾蘭商普羅佘納生物科技有限公司 | 抗甲狀腺素運送蛋白抗體 |
TWI718122B (zh) | 2015-01-28 | 2021-02-11 | 愛爾蘭商普羅佘納生物科技有限公司 | 抗甲狀腺素運送蛋白抗體 |
TWI781507B (zh) | 2015-01-28 | 2022-10-21 | 愛爾蘭商普羅佘納生物科技有限公司 | 抗甲狀腺素運送蛋白抗體 |
KR20170140318A (ko) | 2015-04-29 | 2017-12-20 | 리제너론 파마슈티칼스 인코포레이티드 | 진행성 골화성 섬유이형성증의 치료 |
US10162878B2 (en) | 2015-05-21 | 2018-12-25 | Tibco Software Inc. | System and method for agglomerative clustering |
WO2016197307A1 (en) | 2015-06-08 | 2016-12-15 | SZ DJI Technology Co., Ltd. | Methods and apparatus for image processing |
KR101627974B1 (ko) * | 2015-06-19 | 2016-06-14 | 인하대학교 산학협력단 | 영상 블러에 강인한 영상 특징 기술자 생성 방법 및 장치 |
IL303690A (en) | 2015-06-30 | 2023-08-01 | Seagen Inc | Anti–NTB–A antibodies and related preparations and methods |
CN105183752B (zh) * | 2015-07-13 | 2018-08-10 | 中国电子科技集团公司第十研究所 | 关联查询红外视频图像特定内容的方法 |
WO2017046776A2 (en) | 2015-09-16 | 2017-03-23 | Prothena Biosciences Limited | Use of anti-mcam antibodies for treatment or prophylaxis of giant cell arteritis, polymyalgia rheumatica or takayasu's arteritis |
WO2017046774A2 (en) | 2015-09-16 | 2017-03-23 | Prothena Biosciences Limited | Use of anti-mcam antibodies for treatment or prophylaxis of giant cell arteritis, polymyalgia rheumatica or takayasu's arteritis |
CN108712911A (zh) | 2015-12-30 | 2018-10-26 | 科达制药股份有限公司 | 抗体及其缀合物 |
WO2017149513A1 (en) | 2016-03-03 | 2017-09-08 | Prothena Biosciences Limited | Anti-mcam antibodies and associated methods of use |
BR112018067458A2 (pt) | 2016-03-04 | 2019-01-02 | Abmuno Therapeutics Llc | anticorpos para tigit |
WO2017153953A1 (en) | 2016-03-09 | 2017-09-14 | Prothena Biosciences Limited | Use of anti-mcam antibodies for treatment or prophylaxis of granulomatous lung diseases |
WO2017153955A1 (en) | 2016-03-09 | 2017-09-14 | Prothena Biosciences Limited | Use of anti-mcam antibodies for treatment or prophylaxis of granulomatous lung diseases |
JP7170316B2 (ja) | 2016-05-02 | 2022-11-14 | プロセナ バイオサイエンシーズ リミテッド | タウ免疫療法 |
AU2017259038B2 (en) | 2016-05-02 | 2024-05-23 | Prothena Biosciences Limited | Antibodies recognizing Tau |
EP3452509A1 (en) | 2016-05-02 | 2019-03-13 | Prothena Biosciences Limited | Antibodies recognizing tau |
WO2017208210A1 (en) | 2016-06-03 | 2017-12-07 | Prothena Biosciences Limited | Anti-mcam antibodies and associated methods of use |
EP3478716A2 (en) | 2016-07-02 | 2019-05-08 | Prothena Biosciences Limited | Anti-transthyretin antibodies |
WO2018007922A2 (en) | 2016-07-02 | 2018-01-11 | Prothena Biosciences Limited | Anti-transthyretin antibodies |
JP7016470B2 (ja) | 2016-07-02 | 2022-02-07 | プロセナ バイオサイエンシーズ リミテッド | 抗トランスサイレチン抗体 |
WO2018191548A2 (en) | 2017-04-14 | 2018-10-18 | Kodiak Sciences Inc. | Complement factor d antagonist antibodies and conjugates thereof |
CN110881274A (zh) | 2017-05-02 | 2020-03-13 | 普罗塞纳生物科学有限公司 | 识别tau的抗体 |
CA3076313A1 (en) | 2017-09-28 | 2019-04-04 | Prothena Biosciences Limited | Dosing regimes for treatment of synucleinopathies |
EP3508499A1 (en) | 2018-01-08 | 2019-07-10 | iOmx Therapeutics AG | Antibodies targeting, and other modulators of, an immunoglobulin gene associated with resistance against anti-tumour immune responses, and uses thereof |
AU2019324170A1 (en) | 2018-08-23 | 2021-02-18 | Seagen, Inc. | Anti-TIGIT antibodies |
CR20210272A (es) | 2018-11-26 | 2021-07-14 | Forty Seven Inc | Anticuerpos humanizados contra c-kit |
EP3886869A4 (en) | 2018-11-28 | 2022-07-06 | Forty Seven, Inc. | GENETICALLY MODIFIED CSPH RESISTANT TO ABLATIVE TREATMENT |
CN109670423A (zh) * | 2018-12-05 | 2019-04-23 | 依通(北京)科技有限公司 | 一种基于深度学习的图像识别***、方法及介质 |
AU2020219732A1 (en) | 2019-02-05 | 2021-08-05 | Seagen Inc. | Anti-CD228 antibodies and antibody-drug conjugates |
SG11202108414UA (en) | 2019-03-03 | 2021-08-30 | Prothena Biosciences Ltd | Antibodies recognizing tau |
CN114401992A (zh) | 2019-07-05 | 2022-04-26 | 艾欧麦克斯治疗股份公司 | 结合igsf11(vsig3)的igc2的抗体及其用途 |
CA3155634A1 (en) | 2019-10-04 | 2021-04-08 | Seagen Inc. | Anti-pd-l1 antibodies and antibody-drug conjugates |
JP2022553640A (ja) | 2019-10-10 | 2022-12-26 | コディアック サイエンシーズ インコーポレイテッド | 眼障害を処置する方法 |
EP3822288A1 (en) | 2019-11-18 | 2021-05-19 | Deutsches Krebsforschungszentrum, Stiftung des öffentlichen Rechts | Antibodies targeting, and other modulators of, the cd276 antigen, and uses thereof |
AU2021205929A1 (en) | 2020-01-08 | 2022-09-01 | Regeneron Pharmaceuticals, Inc. | Treatment of fibrodysplasia ossificans progressiva |
US20230118517A1 (en) | 2020-03-26 | 2023-04-20 | Seagen Inc. | Methods of treating multiple myeloma |
CA3176246A1 (en) | 2020-06-02 | 2021-12-09 | Arcus Biosciences, Inc. | Antibodies to tigit |
EP4175668A1 (en) | 2020-07-06 | 2023-05-10 | iOmx Therapeutics AG | Antibodies binding igv of igsf11 (vsig3) and uses thereof |
CA3189225A1 (en) | 2020-08-04 | 2022-02-10 | Seagen Inc. | Anti-cd228 antibodies and antibody-drug conjugates |
WO2022096536A1 (en) | 2020-11-03 | 2022-05-12 | Deutsches Krebsforschungszentrum Stiftung des öffentlichen Rechts | Target-cell restricted, costimulatory, bispecific and bivalent anti-cd28 antibodies |
CN117120084A (zh) | 2021-01-28 | 2023-11-24 | 维肯芬特有限责任公司 | 用于调节b细胞介导的免疫应答的方法和手段 |
AU2022212599A1 (en) | 2021-01-28 | 2023-08-17 | Universität Ulm | Method and means for modulating b-cell mediated immune responses |
WO2022162203A1 (en) | 2021-01-28 | 2022-08-04 | Vaccinvent Gmbh | Method and means for modulating b-cell mediated immune responses |
AU2022254727A1 (en) | 2021-04-09 | 2023-10-12 | Seagen Inc. | Methods of treating cancer with anti-tigit antibodies |
TW202327650A (zh) | 2021-09-23 | 2023-07-16 | 美商思進公司 | 治療多發性骨髓瘤之方法 |
WO2023201268A1 (en) | 2022-04-13 | 2023-10-19 | Gilead Sciences, Inc. | Combination therapy for treating tumor antigen expressing cancers |
WO2023201267A1 (en) | 2022-04-13 | 2023-10-19 | Gilead Sciences, Inc. | Combination therapy for treating trop-2 expressing cancers |
WO2023215719A1 (en) | 2022-05-02 | 2023-11-09 | Arcus Biosciences, Inc. | Anti-tigit antibodies and uses of the same |
WO2024068777A1 (en) | 2022-09-28 | 2024-04-04 | Deutsches Krebsforschungszentrum Stiftung des öffentlichen Rechts | Modified ace2 proteins with improved activity against sars-cov-2 |
WO2024097816A1 (en) | 2022-11-03 | 2024-05-10 | Seagen Inc. | Anti-avb6 antibodies and antibody-drug conjugates and their use in the treatment of cancer |
US20240226313A1 (en) | 2022-11-17 | 2024-07-11 | Sanofi | Ceacam5 antibody-drug conjugates and methods of use thereof |
WO2024133940A2 (en) | 2022-12-23 | 2024-06-27 | Iomx Therapeutics Ag | Cross-specific antigen binding proteins (abp) targeting leukocyte immunoglobulin-like receptor subfamily b1 (lilrb1) and lilrb2, combinations and uses thereof |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3010588B2 (ja) * | 1991-05-01 | 2000-02-21 | 松下電器産業株式会社 | パターン位置決め装置とパターン類別装置 |
US5579471A (en) * | 1992-11-09 | 1996-11-26 | International Business Machines Corporation | Image query system and method |
US5659626A (en) * | 1994-10-20 | 1997-08-19 | Calspan Corporation | Fingerprint identification system |
AU4985096A (en) * | 1995-03-02 | 1996-09-18 | Parametric Technology Corporation | Computer graphics system for creating and enhancing texture maps |
JPH09101970A (ja) * | 1995-10-06 | 1997-04-15 | Omron Corp | 画像検索方法および画像検索装置 |
JP3645024B2 (ja) * | 1996-02-06 | 2005-05-11 | 株式会社ソニー・コンピュータエンタテインメント | 描画装置及び描画方法 |
JPH09251554A (ja) * | 1996-03-18 | 1997-09-22 | Nippon Telegr & Teleph Corp <Ntt> | 画像処理装置 |
JP3609225B2 (ja) * | 1996-11-25 | 2005-01-12 | 日本電信電話株式会社 | 類似オブジェクト検索装置 |
US6381365B2 (en) * | 1997-08-22 | 2002-04-30 | Minolta Co., Ltd. | Image data processing apparatus and image data processing method |
US6192150B1 (en) * | 1998-11-16 | 2001-02-20 | National University Of Singapore | Invariant texture matching method for image retrieval |
US6424741B1 (en) * | 1999-03-19 | 2002-07-23 | Samsung Electronics Co., Ltd. | Apparatus for analyzing image texture and method therefor |
US6594391B1 (en) * | 1999-09-03 | 2003-07-15 | Lucent Technologies Inc. | Method and apparatus for texture analysis and replicability determination |
KR100788642B1 (ko) * | 1999-10-01 | 2007-12-26 | 삼성전자주식회사 | 디지털 영상 텍스쳐 분석 방법 |
KR100355404B1 (ko) * | 1999-12-03 | 2002-10-11 | 삼성전자 주식회사 | 주파수 공간상에서의 가보 필터를 이용한 질감표현방법 및질감기반 영상 검색방법 |
-
2000
- 2000-02-03 EP EP04000801A patent/EP1453000B1/en not_active Expired - Lifetime
- 2000-02-03 CN CNB008042845A patent/CN100489892C/zh not_active Expired - Fee Related
- 2000-02-03 KR KR10-2004-7001082A patent/KR100444778B1/ko not_active IP Right Cessation
- 2000-02-03 MX MXPA01007845A patent/MXPA01007845A/es active IP Right Grant
- 2000-02-03 NZ NZ513144A patent/NZ513144A/en unknown
- 2000-02-03 SG SG200305770-0A patent/SG142124A1/en unknown
- 2000-02-03 DE DE60045319T patent/DE60045319D1/de not_active Expired - Lifetime
- 2000-02-03 AT AT04000801T patent/ATE490518T1/de not_active IP Right Cessation
- 2000-02-03 KR KR10-2004-7001081A patent/KR100444777B1/ko not_active IP Right Cessation
- 2000-02-03 KR KR10-2004-7001078A patent/KR100452064B1/ko not_active IP Right Cessation
- 2000-02-03 WO PCT/KR2000/000091 patent/WO2000046750A1/en active IP Right Grant
- 2000-02-03 KR KR10-2001-7009442A patent/KR100444776B1/ko not_active IP Right Cessation
- 2000-02-03 BR BR0007956-1A patent/BR0007956A/pt not_active IP Right Cessation
- 2000-02-03 CA CA002625839A patent/CA2625839A1/en not_active Abandoned
- 2000-02-03 MY MYPI20000387A patent/MY128897A/en unknown
- 2000-02-03 DE DE60036082T patent/DE60036082T2/de not_active Expired - Lifetime
- 2000-02-03 AU AU24646/00A patent/AU775858B2/en not_active Ceased
- 2000-02-03 DE DE60037919T patent/DE60037919T2/de not_active Expired - Lifetime
- 2000-02-03 JP JP2000597758A patent/JP2002536750A/ja active Pending
- 2000-02-03 EP EP07101113A patent/EP1777658B1/en not_active Expired - Lifetime
- 2000-02-03 EP EP00903006A patent/EP1153365B1/en not_active Expired - Lifetime
- 2000-02-03 CA CA002361492A patent/CA2361492A1/en not_active Abandoned
- 2000-02-03 AT AT07101113T patent/ATE385007T1/de not_active IP Right Cessation
- 2000-02-03 MY MYPI20034720A patent/MY138084A/en unknown
- 2000-02-03 KR KR10-2004-7001080A patent/KR100483832B1/ko not_active IP Right Cessation
- 2000-02-03 AT AT00903006T patent/ATE371231T1/de not_active IP Right Cessation
- 2000-02-03 CN CNB200310102673XA patent/CN100405399C/zh not_active Expired - Fee Related
- 2000-02-04 US US09/497,504 patent/US6624821B1/en not_active Expired - Lifetime
- 2000-06-23 TW TW089103999A patent/TW528990B/zh not_active IP Right Cessation
-
2003
- 2003-05-09 US US10/434,150 patent/US7027065B2/en not_active Expired - Fee Related
-
2004
- 2004-02-05 JP JP2004029900A patent/JP2004158042A/ja active Pending
- 2004-03-10 US US10/795,991 patent/US7199803B2/en not_active Expired - Lifetime
Also Published As
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW528990B (en) | Image texture retrieving method and apparatus thereof | |
Avcıbas¸ et al. | Statistical evaluation of image quality measures | |
Mirmehdi et al. | Segmentation of color textures | |
TWI338265B (en) | System, apparatus, method and program for processing image | |
TW393629B (en) | Hand gesture recognition system and method | |
US7978936B1 (en) | Indicating a correspondence between an image and an object | |
US8594440B2 (en) | Automatic creation of a scalable relevance ordered representation of an image collection | |
Abiantun et al. | SSR2: Sparse signal recovery for single-image super-resolution on faces with extreme low resolutions | |
US8290281B2 (en) | Selective presentation of images | |
WO2016197571A1 (en) | Image interpolation device and method thereof | |
JP4111198B2 (ja) | 画像検索システム、画像検索プログラムおよび記憶媒体、並びに画像検索方法 | |
JP2015504215A (ja) | 画像を比較するための方法およびシステム | |
US20060294096A1 (en) | Additive clustering of images into events using capture date-time information | |
US20170091587A1 (en) | Automatic image piling | |
CN108447059A (zh) | 一种全参考光场图像质量评价方法 | |
CN108345700B (zh) | 文章代表图片的选取方法、装置和计算机设备 | |
Frantc et al. | Machine learning approach for objective inpainting quality assessment | |
JP2004078927A (ja) | ディジタル画像の表示方法およびシステム | |
CN106845540B (zh) | 一种图像重采样操作插值类型识别方法 | |
JP4808512B2 (ja) | カテゴリ重要度設定装置および方法、画像重要度設定装置および方法並びにプログラム | |
US11557108B2 (en) | Polygon detection device, polygon detection method, and polygon detection program | |
GB2552969A (en) | Image processing system | |
TWI813338B (zh) | 影像處理系統以及處理影像的方法 | |
JP2006048711A (ja) | 画像検索システム、画像検索プログラムおよび記憶媒体、並びに画像検索方法 | |
JP4966167B2 (ja) | 画像評価装置及びこの画像評価装置を有するカメラ |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GD4A | Issue of patent certificate for granted invention patent | ||
MM4A | Annulment or lapse of patent due to non-payment of fees |