CN1244074C - 基于颜色的分割进行基于区域的图象检索的系统和方法 - Google Patents

基于颜色的分割进行基于区域的图象检索的系统和方法 Download PDF

Info

Publication number
CN1244074C
CN1244074C CNB008022143A CN00802214A CN1244074C CN 1244074 C CN1244074 C CN 1244074C CN B008022143 A CNB008022143 A CN B008022143A CN 00802214 A CN00802214 A CN 00802214A CN 1244074 C CN1244074 C CN 1244074C
Authority
CN
China
Prior art keywords
image
image region
pixel
pixels
region
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CNB008022143A
Other languages
English (en)
Other versions
CN1340178A (zh
Inventor
C·Y·卡伦
Y·颜
K·查拉帕利
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
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 Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN1340178A publication Critical patent/CN1340178A/zh
Application granted granted Critical
Publication of CN1244074C publication Critical patent/CN1244074C/zh
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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
    • G06V10/56—Extraction of image or video features relating to colour
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)
  • Processing Or Creating Images (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Color Image Communication Systems (AREA)

Abstract

披露一种用于分析第一颜色模型格式的图象和从图象中检测和提取出选定的图象部分的图象检索系统。图象检索系统包含一个图象处理器，用于把图象中的象素从第一颜色模型格式转换成(Y，r，θ)颜色模型格式，其中，Y是表示总光量的亮度分量，r是表示与每个象素的一种颜色混合的白色光量的饱和度分量，θ是表示每个象素的颜色的色度分量。图象处理器把空间上相邻的象素，按照相邻象素的色度分量，划分成多个图象区域，然后执行一个合并过程，在合并过程中，合并一个第一图象区域和邻近第一图象区域的一个第二图象区域-如果第一和第二图象区域之间的色度差小于预定的色度差阀值的话。重复该过程，连续地合并相似色度的区域，直到不能再进行合并。

Description

基于颜色的分割进行 基于区域的图象检索的系统和方法
技术领域
本发明总体涉及图象检索系统，更具体来说，涉及用基于颜色的分割检索基于区域的图象的图象检索系统。
背景技术
数字电视(DTV)的出现，因特网的日益流行，以及诸如光盘(CD)和数字视盘(DVD)播放机等多媒体消费电器的引入，使消费者能获得大量的多媒体信息。由于视频和动画图象内容变得非常容易买到，并且用于使用这些内容的产品进入消费市场，搜索、标引和确定大量的多媒体数据变得更加富于挑战和重要。
术语“可视动画数据”在这里指的是自然的影象、合成的二维或三维世界或影象和图象的混合。有不同的标准被用来搜索和标引可视动画数据的内容，诸如影象剪辑。已经开发出作为图象检索系统的视频处理装置，用于搜索可视动画数据的画面，以检测、确定和标记特定形状或颜色的对象，或检测画面中的正文，如副标题、广告文字、或背景图象文字-如街道标志或“旅馆”标志。
现有的图象检索系统许多需要一个模板图象才能检索所有与该模板相像的的图象。对于许多应用来说，自图象匹配或基于对象形状的匹配可能比全图象匹配更有用。例如，用户可能希望从一个图象档案库中检索红色汽车的图象，但是可能不想检出原始图象的其余部分。另一方面，用户可能对检索所有包括特定形状或形状组合的图象有特殊的兴趣。这种图象检索叫作“基于区域的图象检索”。
以自动和健全的方式析取图象区域，是一个极端困难的任务。尽管对图象分割技术已经研究了三十多年，对计算机视频技术来说，现实世界场景中彩色图象的分割仍然特别具有挑战性。这主要是由于光照变化，诸如阴影、光亮部分和清晰度差。例如，在常规图象分割技术中，不均匀的光照产生RGB彩色空间和YUV彩色空间中图象象素的值的不均匀性。
因此，本领域中需要有能进行基于区域的检索的改进的视频处理装置。特别是需要有对光照条件较不敏感、能进行基于颜色的分割的改进的基于区域的图象检索系统。
发明内容
为解决本领域中的上述缺陷，本发明的主要目的是提供一种能从图象中检测和提取出选定的图象部分的图象处理装置，用于能分析包含多个第一颜色模型格式的象素的图象的图象检索系统。该图象处理装置包含一个图象处理器-它能把图象中的多个象素从第一颜色模型格式转换成(Y，r，θ)颜色模型格式，其中对于这多个象素中的每个象素，Y是表示总光量的亮度分量，r是表示与象素的一种颜色混合的白色光量的饱和度分量，θ是表示象素的颜色的色度分量。图象处理器能把多个象素中空间上相邻的象素，按照相邻象素的色度分量，划分成多个图象区域，然后执行一个合并过程，在合并过程中，如果一个第一图象区域和邻近第一图象区域的一个第二图象区域之间的色度差小于预定的色度差阈值，则合并所述第一图象区域和所述第二图象区域为一个合成区域。
按照本发明的一个典型实施例，图象处理器能确定一个图象中象素的色度分量的直方图，直方图表示图象中一系列具有相似色度的象素。按照本发明一个实施例，图象处理器能通过对直方图采用一种峰值检测算法而确定图象中的主导色度。
按照本发明的另一个实施例，图象处理器能确定和标记多个图象区域中象素数小于预定最小数的象素，并在合并过程期间不考虑所标记的图象区域。
按照本发明的另一个实施例，图象处理器能确定和标记多个图象区域中象素数小于预定最小数的无色图象区域，并在合并过程期间不考虑所标记的无色图象区域。
按照本发明的另一个实施例，如果第一图象区域中的象素数和第二图象区域中的象素数大于预定的象素数阈值，则合并第一图象区域与第二图象区域。
按照本发明的另一个实施例，图象处理器能确定与第一图象区域相邻的多个相邻区域并计算这多个相邻区域的优值(merit values)，其中，第一个选定的相邻区域的优值等于第一图象区域和该第一个选定的相邻区域的共同周界长与该第一个选定的相邻区域的总周长的比率。
按照本发明的另一个实施例，图象处理器按第二图象区域的优值选择要与第一图象区域合并的第二图象区域。
以上叙述非常笼统地概括了本发明的特点和技术优点，以便本领域的技术人员能更好地理解后面对本发明的详细说明。以下将说明本发明的另外的特点和优点，它们构成本发明的权利要求的主题。本领域的熟练人员应当知道，他们可以很容易地用本文的思想和所披露的具体实施例作为基础，修改和设计用于执行与本发明相同的目的的其它结构。本领域的熟练人员也应当意识到，这些等同的构造广义上并不偏离本发明的精神和范围。
在进行详细说明之前，可能最好叙述一下贯穿于本专利文件所使用的某些词语和短语的定义：术语“包括”和“包含”及其派生词，意思是没有限制的包含；术语“或”是包含性的，意思是和/或；短语“与…相关联的”和“其关联的”及其派生词可以指包括、被包括在内、连接、含有、被含在内、连接到、相连于、可与…连接、交替、并置、邻接、必然与…有关、具有、具有…的特性，等等；术语“处理器”或“控制器”指的是任何控制至少一个操作的装置、系统及其部分，这种装置可以以硬件、固件、软件或其至少两个的某种组合。应当注意，与任何特定控制器相关联的功能可以是本地或远程地集中的，也可以是本地或远程地分布的。本专利文件中自始至终都有某些词语和短语的定义，本领域的熟练人员应当明白，在许多情况中，这些定义适用于这种定义的词语和短语的当前的以及将来的用法。
附图说明
为了更彻底了解本发明及其优点，现在将结合各附图叙述以下说明。附图中相同的数字表示相同的对象，其中：
图1表示按照本发明一个实施例的典型的图象检索系统；
图2表示图1的图象检索系统的分割工作空间中的一个典型的原始图象文件和一个转换过的图象文件；
图3表示按照本发明一个实施例转换图象文件的一个典型的颜色空间；和
图4是表示按照本发明一个实施例的图象检索系统的操作的流程图。
具体实施方式
以下所讨论的图1至图4以及本专利文件中用来说明本发明的原理的各种实施例，仅仅是为了阐明，而不应被以任何方式解释为是对本发明的限制。本领域的熟练人员将明白，本发明的原理可以在任何适当安排的图象检索系统中实现。
图1表示按照本发明一个实施例的典型的图象检索系统100。图象检索系统100包含图象处理系统110、外部数据库180、监视器185和用户装置190。图象处理系统110提供用于从选定的图象文件内提取基于区域的图象的装置。
外部数据库180提供一个用于按照需要提取一个或多个数字化可视图象以及其它信息的源。提供这些数据库的方法，可以是访问局域网(LAN)、宽域网(WAN)、因特网，和/或访问其它资源，如通过诸如磁带、磁盘或其它存储器直接访问数据。
监视器185提供用于所检索图象的可视显示的装置。用户设备190代表一个或多个外围设备，可以由图象检索系统100的用户操纵，以为系统提供用户输入。典型的外围用户设备包括计算机鼠标、键盘、光笔、游戏杆、触表(touch-table)和相关的输入笔，或任何其它可由用户选择用来输入、选择和控制数据(包括被检索图象的全部或部分)的设备。用户设备190也可包括输出设备，诸如彩色打印机—它可用来捕获特定的被检索或被修改的图象。
图象处理系统110包含图象处理器120、随机存取存储器(RAM)130、磁盘存储器140、用户输入/输出(I/O)卡150、视频卡160I/O接口170和处理器总线175。RAM 130进一步包含分割工作空间(segmentation work space)132和图象检索控制器134。处理器总线175在图象处理系统110的所有部件之间传输数据。图象处理器120为图象处理系统110提供总体控制并执行实现本发明的图象分离所需的图象处理，以及图象检索和编辑系统的其它要求。这包括按本发明的原理处理彩色图象、处理图象编辑功能、为向监视器185或为磁盘存储器140中存储而处理数字视频图象、控制图象处理系统的各种部件之间的数据传输、图象处理器120的要求和功能在本领域中是众所周知的，除了本发明所要求的说明外，不必作更加详细的说明。
RAM 130提供用于暂时存储由图象处理系统110产生的数据的随机存取存储器-这是系统内的部件不另外提供的。RAM 130包括用于分割工作空间132的存储器、图象检索控制器134以及图象处理器120所需的其它存储器和相关设备。分割工作空间132代表的RAM 130的部分，在彩色分割过程(color segmentation process)期间暂时存储初始视频图象和任何被修改的基于区域的图象。分割工作空间132提供的装置，用于根据外部或内部提供的原始可视图象，定义图象区域和分割图象、形状和相同颜色的区域，而不影响原始数据，以便在需要时能恢复原始数据可图象。图象检索控制器134代表的RAM 130的部分，专用于存储图象处理器120为采用本发明的基于颜色的分割进行基于区域的检索而执行的应用程序。图象检索控制器134可以执行众所周知的编辑技术(如修匀或图象之间的边界检测)，以及与本发明相关的图象分离的新颖技术。图象检索控制器134也可以体现为存储在CD-ROM、计算机软盘或其它存储介质上的程序，可以装入磁盘存储器140中的可卸式磁盘端口或其它地方，如外部数据库180中。
磁盘存储器140包含一个或多个磁盘系统，包括可卸式磁盘，用于永久存储程序和其它数据，包括所需的可视数据和图象检索控制器134的程序指令。根据系统要求，可以将磁盘存储器140设置得与一个或多个双向总线接合，用于在磁盘存储器与外部数据库180以及系统的其它部分来回传输可视数据。根据具体应用和图象处理器120的功能，可以将磁盘存储器140设置得能提供存储大量彩色图象的容量。
用户I/O卡150提供用于把用户设备190与图象处理系统100的其它部分连接的装置。用户I/O卡150把从用户设备190接收的数据转换成接口总线175的格式，用于传输到图象处理器120，或传输到RAM130，供图象处理器120随后使用。用户I/O卡150也向诸如打印机的用户输出设备传输数据。视频卡160通过数据总线175提供监视器185与图象处理系统110的其余部分之间的接口。
I/O接口170通过总线175提供外部数据库180与图象处理系统110的其余部分之间的一个接口。如前文讨论的那样，外部数据库180有至少一个用于与I/O接口170接合的双向总线。在图象处理系统110内，I/O接口170把从外部数据库180接收的数据传输到磁盘存储器140供更永久的存储，传输到图象处理器120，传输到RAM 130供为分割和监视器显示的目的而提供暂时存储。
图2表示图1的图象检索系统的分割工作空间132中的一个典型的原始图象文件210和一个转换过的图象文件220。原始图象文件提供对与从外部数据库180接收的例如是RGB格式的原始图象相关的每个象素(标记为1至n)的存储。将每个象素的存储空间的大小设定为特定实现所要求的颜色值位以及彩色图象系统通常可用的任何其它信息位的最大位数。常规的基于RGB的彩色图象系统涉及的范围在8位/象素至24位/象素之间，不过，可以为更大的系统提供相应增加的存储器。转换图象文件220为本发明的(Yrθ)格式的象素提供n个存储位置。
图3表示按照本发明一个实施例把(RGB)格式或(YUV)格式的图象文件转换成的(Yrθ)格式时所用的典型的颜色空间300。颜色空间300以亮度(Y)(表示总光量)、饱和度(r)(表示与颜色混合的白色光量)和色度(θ)(表示出现的颜色的类型)表示颜色。图象处理器用下列公式中的一个或多个，把原始图象文件中的象素从例如(RGB)格式或(YUV)格式转换成(Yrθ)格式：
V＝R-Y
U＝B-Y
θ＝arctan(V/U)
r＝(U2+V2)2
Y＝Y
图象处理器120可以按类似的方式把其它颜色空间格式的象素转换成(Yrθ)格式。
图4表示解释按照本发明一个实施例的图象检索系统100的操作的流程图400。一开始，用转换公式将所存储的从外部数据库180接收的RGB格式的图象文件转换成(Yrθ)格式，存储在转换图象文件132中(过程步骤405)。然后，图象处理器120用(Yrθ)格式的n个象素为每个转换的象素生成一个一维(1-D)的色度(θ)直方图(过程步骤410)。把直方图限于r＞5和Y＞40的象素。这是因为，r值小时，θ不稳定，而Y低时，θ没有意义(表示致使各颜色混合成黑色或无色的低光量)。尽管直方图实际上一种存储的象素的表示，可以把直方图直观化成一个具有1至n个线条的条状图，每个线条为每个相关象素提供一个有比例的色度(θ)的表示。
然后，用一个峰值检测算法根据直方图确定主导颜色d(θ)(过程步骤415)。检查直方图，确定象素是有颜色的(有色的)或没有颜色的(无色的)。将主导颜色和有色或无色信息存储在RAM 132的分割工作空间132中供以后使用。
然后，图象处理器120检查转换的图象象素，按颜色和位置对它们分组。检查具有相同颜色标记(Yrθ描述)的象素，确定它们与颜色分组内其它象素的邻近程度。将空间上相邻具有相同颜色标记的象素分组在一起作为图象区域(过程步骤420)。
将象素数小于预定最小阈值象素数(例如10个象素)的有色图象区域和象素数小于预定最小象素阈值数(例如20个象素)的无色图象区域划上记号，供后处理用。将象素数大于预定最大象素数阈值(例如20个象素)的无色图象区域也划上记号，以防止它们与其它区域合并。此外，将其余的有色图象区域按大小和色度(chromacity)分组，作为初始合并的基础。本发明的一个实施例把例如多于200象素的较大图象区域确定为潜在的合并候选区域(过程步骤425)。
然后，图象处理器120检查这些较大的图象区域，确定颜色θ、相似性和与其它合适的区域的共同边界空问(共同周界长)的量。本发明的一个实施例用一个优值函数(merit function)来确定共同边界或周界空间占各个区域周长总和的百分比：
优值函数＝共同周界长/(周长1+周长2)
用这个优值函数选择两个相邻区域作为图象合并的初始候选(过程步骤430)。
检查所选择图象区域的颜色，以确定相似的程度。如果颜色之间的差别小于预定的色差阈值(例如10B)，就将区域合并，在大区域分割工作空间中用合并后的区域替换所合并的区域。然后过程继续。如果相邻区域之间的色差大于预定的色差阈值，就不合并区域，然后过程继续，直到不可能再有合并(过程步骤435)。
所有大区域都与相同或类似颜色空间的区域合并后，图象处理器120进行后处理-检查以前确定的较小的区域，以确定与合并的区域共同的周界长和相似的颜色标志。然后将较小的区域与具有共同周界长和相似θ的较大区域合并，并将结果存储在分割工作空间中(过程步骤440)。此时，合并的图象区域被以一个分割图象文件的形式存储起来-通过用户操作用户设备的控制，该文件可供图象处理器120使用。然后可以将该分割图象文件存储在磁盘存储器140中，供以后的提取和使用。
尽管对本发明作了详细说明，本领域的熟练人员应当明白，在不偏离本发明广义的精神和范围的情况下，他们可以作出各种变更、替换和改变。

Claims (9)

1.一种能够从图象中检测和提取出选定的图象部分的图象处理装置，所述图象处理装置用于在分析包含多个第一颜色模型格式的象素的图象的图象检索系统中，所述图象处理装置包含：
一个图象处理器，它能够把所述图象中的所述多个象素从所述第一颜色模型格式转换成(Y，r，θ)颜色模型格式，其中对于所述多个象素中的每个象素，Y是表示总光量的亮度分量，r是表示与所述每个象素的一种颜色混合的白色光量的饱和度分量，θ是表示所述每个象素的所述颜色的色度分量，其中所述图象处理器能把所述多个象素中空间上相邻的象素，按照所述相邻象素的色度分量，划分成多个图象区域，然后执行一个合并过程，在合并过程中，如果一个第一图象区域和邻近所述第一图象区域的一个第二图象区域之间的色度差小于预定的色度差阈值，则合并所述第一图象区域和第二图象区域为一个合成区域，以及其中所述图象处理器能确定与所述第一图象区域相邻的多个相邻区域并计算所述多个相邻区域的优值，其中，第一选定的相邻区域的优值等于所述第一图象区域和所述第一选定的相邻区域的共同周界长与所述第一选定的相邻区域的总周长的比率。
2.权利要求1中所述的图象处理装置，其中，所述图象处理器能确定所述图象中所述象素的色度分量的直方图，所述直方图表示所述图象中一系列具有相似色度的象素。
3.权利要求2中所述的图象处理装置，其中，所述图象处理器能通过对所述直方图采用一种峰值检测算法而确定所述图象中的主导色度。
4.权利要求1中所述的图象处理装置，其中，所述图象处理器能确定和标记所述多个图象区域中象素数小于预定最小数的图象区域，并在所述合并过程期间不考虑所述作过标记的图象区域。
5.权利要求1中所述的图象处理装置，其中，所述图象处理器能确定和标记所述多个图象区域中象素数小于预定最小数的无色图象区域，并在所述合并过程期间不考虑所述作过标记的无色图象区域。
6.权利要求5中所述的图象处理装置，其中，如果所述第一图象区域中的象素数和所述第二图象区域中的象素数大于预定的像素数阈值，则合并所述第一与第二图象区域。
7.权利要求1中所述的图象处理装置，其中，所述图象处理器按所述第二图象区域的优值选择要与所述第一图象区域合并的所述第二图象区域。
8.一种用于能分析包含多个第一颜色模型格式的象素的图象的图象检索系统，包含：
一个能从所述图象中检测和提取出选定的图象部分的图象处理装置，所述图象处理装置包含：
一个图象处理器，能够把所述图象中的所述多个象素从所述第一颜色模型格式转换成(Y，r，θ)颜色模型格式，其中对于所述多个象素中的每个象素，Y是表示总光量的亮度分量，r是表示与所述每个象素的一种颜色混合的白色光量的饱和度分量，θ是表示所述每个象素的所述颜色的色度分量，其中所述图象处理器能把所述多个象素中空间上相邻的象素，按照所述相邻象素的色度分量，划分成多个图象区域，然后执行一个合并过程，在合并过程中，如果一个第一图象区域和邻近所述第一图象区域的一个第二图象区域之间的色度差小于预定的色度差阈值，则合并所述第一图象区域和第二图象区域为一个合成区域，
一个用于显示所述合成区域的显示监视器；和
一个用于接收能控制所述合并过程的用户命令的用户输入设备。
9.一种能够从图象中检测和提取出选定的图象部分的方法，所述方法用于能分析包含多个第一颜色模型格式的象素的图象的图象检索系统中，所述方法包含下列步骤：
把图象中的多个象素从第一颜色模型格式转换成(Y，r，θ)颜色模型格式，其中对于多个象素中的每个象素，Y是表示总光量的亮度分量，r是表示与每个象素的一种颜色混合的白色光量的饱和度分量，θ是表示每个象素的颜色的色度分量；
把多个象素中空间上相邻的象素，按照相邻象素的色度分量，划分成多个图象区域，并执行一个合并过程，在合并过程中，如果一个第一图象区域和邻近所述第一图象区域的一个第二图象区域之间的色度差小于预定的色度差阈值，则合并所述第一图象区域和第二图象区域为一个合成区域。
CNB008022143A 1999-08-17 2000-07-31 基于颜色的分割进行基于区域的图象检索的系统和方法 Expired - Fee Related CN1244074C (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US09/375,951 US6577759B1 (en) 1999-08-17 1999-08-17 System and method for performing region-based image retrieval using color-based segmentation
US09/375951 1999-08-17

Publications (2)

Publication Number Publication Date
CN1340178A CN1340178A (zh) 2002-03-13
CN1244074C true CN1244074C (zh) 2006-03-01

Family

ID=23483044

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB008022143A Expired - Fee Related CN1244074C (zh) 1999-08-17 2000-07-31 基于颜色的分割进行基于区域的图象检索的系统和方法

Country Status (5)

Country Link
US (2) US6577759B1 (zh)
EP (1) EP1145148A2 (zh)
JP (1) JP2003507793A (zh)
CN (1) CN1244074C (zh)
WO (1) WO2001013263A2 (zh)

Families Citing this family (70)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6801576B1 (en) * 1999-08-06 2004-10-05 Loudeye Corp. System for accessing, distributing and maintaining video content over public and private internet protocol networks
JP3501031B2 (ja) * 1999-08-24 2004-02-23 日本電気株式会社 画像領域判定装置、画像領域判定方法及びそのプログラムを記憶した記憶媒体
US6903782B2 (en) * 2001-03-28 2005-06-07 Koninklijke Philips Electronics N.V. System and method for performing segmentation-based enhancements of a video image
KR20020095350A (ko) * 2001-06-14 2002-12-26 엘지전자 주식회사 패턴 적응형 오차확산 장치
EP1302865A1 (en) * 2001-10-10 2003-04-16 Mitsubishi Electric Information Technology Centre Europe B.V. Method and apparatus for searching for and retrieving colour images
KR100499130B1 (ko) 2001-11-27 2005-07-04 삼성전자주식회사 조명 변화에 강건한 영상 검색 방법 및 장치
US7728048B2 (en) 2002-12-20 2010-06-01 L-1 Secure Credentialing, Inc. Increasing thermal conductivity of host polymer used with laser engraving methods and compositions
JP4324859B2 (ja) * 2002-01-09 2009-09-02 ソニー株式会社 画像読み取り装置および方法、記憶媒体、並びにプログラム
US7190394B2 (en) * 2002-06-04 2007-03-13 Micron Technology, Inc. Method for statistical analysis of images for automatic white balance of color channel gains for image sensors
US7466856B2 (en) 2002-09-26 2008-12-16 Samsung Electronics Co., Ltd. Image retrieval method and apparatus independent of illumination change
EP1614064B1 (en) 2003-04-16 2010-12-08 L-1 Secure Credentialing, Inc. Three dimensional data storage
EP1632091A4 (en) * 2003-05-12 2006-07-26 Gtech Corp METHOD AND SYSTEM FOR AUTHENTICATION
EP2293250B1 (en) 2003-07-04 2012-05-09 Mitsubishi Electric Information Technology Centre Europe B.V. Method and apparatus for representing a group of images
US8127137B2 (en) 2004-03-18 2012-02-28 Digimarc Corporation Watermark payload encryption for media including multiple watermarks
US7308137B2 (en) * 2004-06-08 2007-12-11 Benq Corporation Method of determining color composition of an image
CN101194290B (zh) * 2005-06-07 2010-06-09 索尼株式会社 信息处理装置和信息处理方法、图像处理装置和图像处理方法
JP4393489B2 (ja) * 2006-09-06 2010-01-06 キヤノン株式会社 画像処理装置およびその方法
CN100433016C (zh) * 2006-09-08 2008-11-12 北京工业大学 基于信息突变的图像检索方法
US8290203B1 (en) 2007-01-11 2012-10-16 Proofpoint, Inc. Apparatus and method for detecting images within spam
US8290311B1 (en) * 2007-01-11 2012-10-16 Proofpoint, Inc. Apparatus and method for detecting images within spam
US7940280B2 (en) * 2007-12-06 2011-05-10 Seiko Epson Corporation System and method for color format conversion in a graphics environment
CN101425182B (zh) * 2008-11-28 2011-07-20 华中科技大学 一种图像对象分割方法
CN101930593B (zh) * 2009-06-26 2012-11-21 鸿富锦精密工业（深圳）有限公司 单一物体影像萃取系统及方法
US8335374B2 (en) * 2009-08-12 2012-12-18 Genetix Corporation Image segmentation
US20120254790A1 (en) * 2011-03-31 2012-10-04 Xerox Corporation Direct, feature-based and multi-touch dynamic search and manipulation of image sets
US8804819B1 (en) 2011-04-19 2014-08-12 Google Inc. Method and apparatus for encoding video using data frequency
US8705620B1 (en) * 2011-04-28 2014-04-22 Google Inc. Method and apparatus for encoding anchor frame by encoding features using layers
US9749638B1 (en) 2011-04-28 2017-08-29 Google Inc. Method and apparatus for encoding video with dynamic quality improvement
CN102253989B (zh) * 2011-07-04 2013-10-09 厦门市美亚柏科信息股份有限公司 图像处理方法、装置及图像检索方法、系统
CN102509099B (zh) * 2011-10-21 2013-02-27 清华大学深圳研究生院 一种图像显著区域检测方法
US9781447B1 (en) 2012-06-21 2017-10-03 Google Inc. Correlation based inter-plane prediction encoding and decoding
US9167268B1 (en) 2012-08-09 2015-10-20 Google Inc. Second-order orthogonal spatial intra prediction
US9380298B1 (en) 2012-08-10 2016-06-28 Google Inc. Object-based intra-prediction
US9344742B2 (en) 2012-08-10 2016-05-17 Google Inc. Transform-domain intra prediction
US9369732B2 (en) 2012-10-08 2016-06-14 Google Inc. Lossless intra-prediction video coding
US9628790B1 (en) 2013-01-03 2017-04-18 Google Inc. Adaptive composite intra prediction for image and video compression
US9225979B1 (en) 2013-01-30 2015-12-29 Google Inc. Remote access encoding
US9247251B1 (en) 2013-07-26 2016-01-26 Google Inc. Right-edge extension for quad-tree intra-prediction
US10346465B2 (en) 2013-12-20 2019-07-09 Qualcomm Incorporated Systems, methods, and apparatus for digital composition and/or retrieval
US9727983B2 (en) 2014-06-26 2017-08-08 Amazon Technologies, Inc. Automatic color palette based recommendations
US10073860B2 (en) 2014-06-26 2018-09-11 Amazon Technologies, Inc. Generating visualizations from keyword searches of color palettes
US10235389B2 (en) 2014-06-26 2019-03-19 Amazon Technologies, Inc. Identifying data from keyword searches of color palettes
US9659032B1 (en) 2014-06-26 2017-05-23 Amazon Technologies, Inc. Building a palette of colors from a plurality of colors based on human color preferences
US9514543B2 (en) 2014-06-26 2016-12-06 Amazon Technologies, Inc. Color name generation from images and color palettes
US9679532B2 (en) 2014-06-26 2017-06-13 Amazon Technologies, Inc. Automatic image-based recommendations using a color palette
US9401032B1 (en) 2014-06-26 2016-07-26 Amazon Technologies, Inc. Image-based color palette generation
US10255295B2 (en) 2014-06-26 2019-04-09 Amazon Technologies, Inc. Automatic color validation of image metadata
US9792303B2 (en) 2014-06-26 2017-10-17 Amazon Technologies, Inc. Identifying data from keyword searches of color palettes and keyword trends
US9916613B1 (en) 2014-06-26 2018-03-13 Amazon Technologies, Inc. Automatic color palette based recommendations for affiliated colors
US10223427B1 (en) 2014-06-26 2019-03-05 Amazon Technologies, Inc. Building a palette of colors based on human color preferences
US9898487B2 (en) 2014-06-26 2018-02-20 Amazon Technologies, Inc. Determining color names from keyword searches of color palettes
US10169803B2 (en) 2014-06-26 2019-01-01 Amazon Technologies, Inc. Color based social networking recommendations
US10120880B2 (en) 2014-06-26 2018-11-06 Amazon Technologies, Inc. Automatic image-based recommendations using a color palette
US9697573B1 (en) 2014-06-26 2017-07-04 Amazon Technologies, Inc. Color-related social networking recommendations using affiliated colors
US9177391B1 (en) 2014-06-26 2015-11-03 Amazon Technologies, Inc. Image-based color palette generation
US9524563B2 (en) 2014-06-26 2016-12-20 Amazon Technologies, Inc. Automatic image-based recommendations using a color palette
US9996579B2 (en) 2014-06-26 2018-06-12 Amazon Technologies, Inc. Fast color searching
US9542704B2 (en) 2014-06-26 2017-01-10 Amazon Technologies Inc. Automatic image-based recommendations using a color palette
US9652868B2 (en) 2014-06-26 2017-05-16 Amazon Technologies, Inc. Automatic color palette based recommendations
US9245350B1 (en) 2014-06-26 2016-01-26 Amazon Technologies, Inc. Image-based color palette generation
US9922050B2 (en) 2014-06-26 2018-03-20 Amazon Technologies, Inc. Identifying data from keyword searches of color palettes and color palette trends
US10691744B2 (en) 2014-06-26 2020-06-23 Amazon Technologies, Inc. Determining affiliated colors from keyword searches of color palettes
US10430857B1 (en) 2014-08-01 2019-10-01 Amazon Technologies, Inc. Color name based search
US9785649B1 (en) 2014-09-02 2017-10-10 Amazon Technologies, Inc. Hue-based color naming for an image
US9633448B1 (en) * 2014-09-02 2017-04-25 Amazon Technologies, Inc. Hue-based color naming for an image
CN105183755B (zh) * 2015-07-17 2018-10-12 小米科技有限责任公司 一种图片的显示方法及装置
JP2017054337A (ja) * 2015-09-10 2017-03-16 ソニー株式会社 画像処理装置および方法
CN106610987B (zh) * 2015-10-22 2020-02-21 杭州海康威视数字技术股份有限公司 视频图像检索方法、装置及系统
CN108108494A (zh) * 2018-01-18 2018-06-01 厦门理工学院 一种图片分类智能终端
CN108170849B (zh) * 2018-01-18 2021-02-19 厦门理工学院 一种分区扩散的图片分类标记方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4819077A (en) * 1986-05-14 1989-04-04 Kabushiki Kaisha Toshiba Color image processing system
JPH05242165A (ja) 1992-02-28 1993-09-21 Mitsubishi Electric Corp 画像データベースシステム
US5533628A (en) * 1992-03-06 1996-07-09 Agri Tech Incorporated Method and apparatus for sorting objects by color including stable color transformation
DE4310727C2 (de) * 1992-04-06 1996-07-11 Hell Ag Linotype Verfahren und Einrichtung zur Analyse von Bildvorlagen
US5557688A (en) * 1992-11-18 1996-09-17 Fuji Photo Film Co., Ltd. Method of extracting characteristic image data and color data conversion device for image processing apparatus
EP0705027B1 (en) * 1994-09-30 2000-11-22 SANYO ELECTRIC Co., Ltd. Image communication system and method for data compression of colour images using colour tables and region-based processing
JP3534128B2 (ja) * 1995-01-24 2004-06-07 オムロン株式会社 書類の上下方向検知方法及び装置
JP3461626B2 (ja) * 1995-07-28 2003-10-27 シャープ株式会社 特定画像領域抽出方法及び特定画像領域抽出装置
US6453069B1 (en) * 1996-11-20 2002-09-17 Canon Kabushiki Kaisha Method of extracting image from input image using reference image

Also Published As

Publication number Publication date
US6577759B1 (en) 2003-06-10
JP2003507793A (ja) 2003-02-25
WO2001013263A2 (en) 2001-02-22
WO2001013263A3 (en) 2001-08-30
CN1340178A (zh) 2002-03-13
US20030215135A1 (en) 2003-11-20
EP1145148A2 (en) 2001-10-17

Similar Documents

Publication Publication Date Title
CN1244074C (zh) 基于颜色的分割进行基于区域的图象检索的系统和方法
JP2007128526A (ja) 標準照明色の変換方法、標準照明色の変換プログラム、標準照明色の変換プログラムを記録したコンピュータにて読取り可能な記録媒体、色情報抽出方法、色情報抽出プログラムを記録したコンピュータにて読取り可能な記録媒体、及び色情報抽出装置
US6253201B1 (en) Scalable solution for image retrieval
EP1173850B1 (en) Method and apparatus for performing natural color matching
US6792164B2 (en) Method and apparatus for indexing and retrieving images from an image database based on a color query
US7212667B1 (en) Color image processing method for indexing an image using a lattice structure
JP5005154B2 (ja) 記憶媒体上に記憶された情報信号を再生する装置
JP2005216295A (ja) Ｈｍｍｄカラースペースに基づいたカラー量子化方法を用いたマルチメディアの検索方法
US7466856B2 (en) Image retrieval method and apparatus independent of illumination change
Chaira et al. Fuzzy measures for color image retrieval
Takahashi et al. Image retrieval using spatial intensity features
Chen et al. Automatic classification of photographs and graphics
Berretti et al. Spatial arrangement of color in retrieval by visual similarity
KR20020001800A (ko) 컬러 영상 처리 방법
JPH05108728A (ja) 画像のフアイリングならびに検索方法
Mezaris et al. A test-bed for region-based image retrieval using multiple segmentation algorithms and the MPEG-7 eXperimentation Model: The Schema Reference System
Albanesi et al. Quantitative assessment of qualitative color perception in image database retrieval
Nakamura et al. Flower image database construction and its retrieval
Hrudya et al. Embedded text based image retrieval system using semantic web
Shi Visual data indexing and retrieval using color feature
JPH10149373A (ja) 画像蓄積・管理装置及び画像インデックス生成方法
Peters et al. Photo management applications
Mendi et al. Performance evaluation of color image retrieval
Sural Histogram generation from the HSV color space using saturation projection
Kumar et al. Image Search using Overlapping of Different Image Features

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C19 Lapse of patent right due to non-payment of the annual fee
CF01 Termination of patent right due to non-payment of annual fee