TW528990B - Image texture retrieving method and apparatus thereof - Google Patents

Image texture retrieving method and apparatus thereof Download PDF

Info

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
Application number
TW089103999A
Other languages
English (en)
Inventor
Hyun Doo Shin
Yang Lim Choi
Peng Wu
Original Assignee
Samsung Electronics Co Ltd
Univ California
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 Samsung Electronics Co Ltd, Univ California filed Critical Samsung Electronics Co Ltd
Application granted granted Critical
Publication of TW528990B publication Critical patent/TW528990B/zh

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00General purpose image data processing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/001Texturing; Colouring; Generation of texture or colour
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5862Retrieval 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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques
    • G06F18/232Non-hierarchical techniques
    • G06F18/2321Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/40Analysis of texture
    • G06T7/41Analysis of texture based on statistical description of texture
    • G06T7/42Analysis of texture based on statistical description of texture using transform domain methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local 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
    • G06V10/443Local 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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G06V10/763Non-hierarchical techniques, e.g. based on statistics of modelling distributions
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition
    • G06V30/19Recognition using electronic means
    • G06V30/196Recognition using electronic means using sequential comparisons of the image signals with a plurality of references
    • G06V30/1983Syntactic or structural pattern recognition, e.g. symbolic string recognition
    • G06V30/1988Graph matching
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20068Projection on vertical or horizontal image axis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20072Graph-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)

  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)
TW089103999A 1999-02-05 2000-06-23 Image texture retrieving method and apparatus thereof TW528990B (en)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Also Published As

Publication number Publication date
ATE371231T1 (de) 2007-09-15
DE60037919D1 (de) 2008-03-13
KR100483832B1 (ko) 2005-04-20
CA2361492A1 (en) 2000-08-10
ATE490518T1 (de) 2010-12-15
KR100452064B1 (ko) 2004-10-08
CN100405399C (zh) 2008-07-23
CN1341248A (zh) 2002-03-20
DE60045319D1 (de) 2011-01-13
US20030193510A1 (en) 2003-10-16
EP1453000A3 (en) 2004-10-20
EP1153365B1 (en) 2007-08-22
US7027065B2 (en) 2006-04-11
KR20040023680A (ko) 2004-03-18
EP1153365A4 (en) 2002-11-06
CN1523537A (zh) 2004-08-25
ATE385007T1 (de) 2008-02-15
KR20040023676A (ko) 2004-03-18
KR20010113667A (ko) 2001-12-28
MXPA01007845A (es) 2004-06-22
EP1453000B1 (en) 2010-12-01
MY138084A (en) 2009-04-30
NZ513144A (en) 2003-05-30
AU2464600A (en) 2000-08-25
JP2002536750A (ja) 2002-10-29
CA2625839A1 (en) 2000-08-10
EP1153365A1 (en) 2001-11-14
EP1777658A1 (en) 2007-04-25
US6624821B1 (en) 2003-09-23
BR0007956A (pt) 2002-04-09
EP1777658B1 (en) 2008-01-23
CN100489892C (zh) 2009-05-20
WO2000046750A1 (en) 2000-08-10
DE60036082T2 (de) 2008-06-12
KR20040023679A (ko) 2004-03-18
KR100444777B1 (ko) 2004-08-18
JP2004158042A (ja) 2004-06-03
SG142124A1 (en) 2008-05-28
KR100444776B1 (ko) 2004-08-16
US7199803B2 (en) 2007-04-03
MY128897A (en) 2007-02-28
US20040169658A1 (en) 2004-09-02
KR20040023678A (ko) 2004-03-18
DE60037919T2 (de) 2009-07-09
AU775858B2 (en) 2004-08-19
DE60036082D1 (de) 2007-10-04
KR100444778B1 (ko) 2004-08-18
EP1453000A2 (en) 2004-09-01

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