CN1319030C - 用频域中的伽柏滤波器的纹理描述方法和基于纹理的图像检索方法 - Google Patents
用频域中的伽柏滤波器的纹理描述方法和基于纹理的图像检索方法 Download PDFInfo
- Publication number
- CN1319030C CN1319030C CNB008044309A CN00804430A CN1319030C CN 1319030 C CN1319030 C CN 1319030C CN B008044309 A CNB008044309 A CN B008044309A CN 00804430 A CN00804430 A CN 00804430A CN 1319030 C CN1319030 C CN 1319030C
- Authority
- CN
- China
- Prior art keywords
- image
- texture
- frequency field
- frequency
- passage
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/40—Picture signal circuits
- H04N1/407—Control or modification of tonal gradation or of extreme levels, e.g. background level
-
- 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
- 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
- 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
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/431—Frequency domain transformation; Autocorrelation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S707/00—Data processing: database and file management or data structures
- Y10S707/99931—Database or file accessing
- Y10S707/99933—Query processing, i.e. searching
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
- Complex Calculations (AREA)
- Image Generation (AREA)
- Image Processing (AREA)
Abstract
提供一种用于通过将输入图像变换和伽柏滤波成频率域的图像来提取纹理特征的频率域中的纹理描述方法,以及纹理描述方法的一种基于纹理的检索方法。频率域中的纹理描述方法包括:第一步骤,将时间域的图像变换成频率域的图像;第二步骤,使用具有N×M滤波器区的伽柏滤波器滤波所变换的图像,其中N和M分别是预定正整数;第三步骤,在相应于伽柏滤波器的N×M滤波器区的频率域分区分布的各个通道中,提取已经伽柏滤波的图像的特征值以及第四步骤,根据图像的特征值决定图像的纹理描述符。
Description
技术领域
本发明涉及图像的纹理描述方法,并且更具体地,涉及一种用于将时间域的图像变换成频率域中的图像并通过伽柏(Gabor)滤波器提取纹理特征的纹理描述方法。并且,本发明涉及检索由该纹理描述方法索引的图像的基于纹理的方法。
背景技术
很长时间来,已经研究了作为图像的重要视觉特征的指示的纹理信息及其应用。图像的纹理特征用做低层描述符,用于基于内容的索引及提炼图像或视频数据。而且,图像的纹理信息在检索数字相册的具体相片中、或在标题或纹理数据库中基于内容的检索中是很重要的。
目前,在时间域或频率域中计算特征值以提取图像的纹理特征。具体地,都知道频率域中的纹理特征提取的方法是适合于描述各种形式的图像的纹理特征的。
关于该方法的一篇论文,是B.S.Manjunath和W.Y.Ma发表在1996年8月的“IEEE图案分析和人工智能期刊(Transaction on Pattern Analysis andMachine Intelligence)”卷18第8册上的,题目为“浏览和检索图像数据的纹理特征(Texture Features of Browsing and Retrieval of imageData)”,其中描述了一种用于计算通过从在频率域中的伽柏滤波之后获得的图像中提取的特征矢量的方法,每一通道的均值和偏差值作为图像的纹理的特征值。
但是,使用传统的伽柏滤波的图像纹理描述方法存在问题。首先,它需要很长时间来执行信号域中图像的伽柏滤波的计算。其次,由于正交频率域的使用导致的伽柏滤波器在低频域中具有较窄的通频带,在使用这样的伽柏滤波器提取纹理信息时,图像的频率采样密度是很低的,所以很难获得足够的信息。第三,由于图像亮度值的均值和偏差值都被用做图像的纹理特征,所以描述特征所需的数据量是巨大的。
发明的公开
为了解决上述问题,本发明的一个目的在于提供一种其中在频率域而不是信号域中使用伽柏滤波以便减少滤波计算时间的纹理描述方法和一种基于纹理的图像检索方法。
本发明的另一个目的在于提供一种纹理描述方法以及一种基于纹理的图像检索方法,使用频率域中的伽柏滤波器以通过增加频率的采样密度提取低频域中图像的足够的纹理信息,并通过降低高频域中频率的采样密度,通过使用极坐标系统执行伽柏滤波,而不管具有宽的通频带的伽柏滤波,来提取足够的纹理信息。
本发明的另一个目的在于提供一种频率域中的纹理描述方法和基于纹理的图像检索方法,用于使用图像的平均亮度值、图像的亮度值的偏差值、能量以及用于图像纹理特征描述符的能量的偏差值来提高检索率。
本发明的另一个目的在于提供,一种考虑了人类的视觉特征的、使用频率域中的伽柏滤波器的纹理描述方法和基于纹理的图像检索方法,通过设计将低频域的频率通带变窄以及当频率域变得更高时将高频域的频率通带变宽。这里,当设计伽柏滤波器时,应该考虑的是对图像的低频分量的改变敏感而对图像的高频分量的改变不敏感的人类视觉系统。
本发明的另一个目的在于提供一种纹理描述方法以及一种基于纹理的图像检索方法,使用频率域中的伽柏滤波器,通过伽柏滤波容易地检索少量改变的图像,从而如果图像被旋转、放大或缩小一小部分时不改变图像纹理描述符的值。
为实现本发明的上述目的,提供一种使用频率域中的伽柏滤波器的纹理描述方法,包括:
第一步骤,将时间域的图像变换成频率域的图像;
第二步骤,使用具有N×M滤波器区的伽柏滤波器滤波所变换的频率域,其中N和M是预定的正整数;
第三步骤,在相应于伽柏滤波器的N×M滤波器区的频率域分区分布的各个通道中,提取伽柏滤波的图像的纹理特征值。
第四步骤,根据图像的纹理特征值确定图像的纹理描述符。
最好,在第一步骤中,时间域的图像被傅立叶变换成正交坐标系统频率域的图像,或者时间域的图像被进行拉东变换(Radon-transform),接着被一维傅立叶变换成极坐标系统频率域的图像。
而且,提供一种记录介质,其中存储有可被计算机读取的用于在频率域中使用伽柏滤波器执行纹理描述方法的程序。
而且,提供一种使用在频率域中的伽柏滤波器的基于纹理的图像检索方法,包括:
第一步骤,通过使用伽柏滤波器滤波数据图像来提取数据纹理描述符,并将提取的数据纹理描述符存储在数据库中;
第二步骤,当使用伽柏滤波器输入查询图像时,提取和存储一查询图像的查询纹理描述符,即对图像的搜索;
第三步骤,匹配数据纹理描述符和查询纹理描述符,并测量两个纹理描述符的距离;以及
第四步骤,根据两个纹理描述符间的距离确定两个图像的相似性。
最好,在第一和第二步骤中,提取数据纹理描述符和查询纹理描述符的步骤包括:
第一子步骤,将视觉域的图像变换成频率域的图像;
第二子步骤,使用具有N×M滤波器区域的伽柏滤波器滤波频率域的图像,其中N和M是预定的正整数;
第三子步骤,提取在相应于伽柏滤波器的N×M滤波器区的频率域分区分布的各个通道内伽柏滤波的图像的纹理特征值;以及
第四子步骤,使用图像的纹理特征值描述图像纹理描述符。
并且,提供一种记录介质,其上记录有能被计算机读取的用于使用频率域中的伽柏滤波器执行基于纹理的图像检索方法的程序。
图面说明
图1是说明根据本发明的优选实施例的频率域中的纹理描述方法的流程图;
图2说明了用于提取各个通道的纹理描述符的频率域分区分布;以及
图3说明了用于提取各个通道的纹理描述符的伽柏滤波器的结构。
实施本发明的最佳方式
此后,将参考附图详细描述根据本发明优选实施例的“使用频率域中的伽柏滤波器的纹理描述方法和基于纹理的图像检索方法”。
图1是说明根据本发明使用伽柏滤波器的频率域中的纹理描述方法的流程图。
纹理描述方法,一种用于通过处理输入图像产生纹理描述符的方法被用于基于纹理信息索引和基于纹理信息检索图像。即,当输入将被在数据库中索引和存储的图像时,根据图1的纹理描述方法产生数据纹理描述符,并且所产生的纹理描述符被存储在数据库中。并且,当输入查询图像时,根据图1的纹理描述方法产生查询图像的纹理描述符,并且通过将所产生的纹理描述符与存储在数据库中的数据图像进行比较执行检索。
参考图1,将更详细地描述根据本发明的纹理描述方法。
首先,输入指定的图像(S11),并且将输入图像傅立叶变换(S12)为正交坐标系统或极坐标系统频率域的图像。这里输入图像可以是如上所述的查询图像或数据图像。对输入图像进行二维傅立叶变换成正交坐标系统频率域中的数据。此外,对输入图像进行拉东变换,并接着对所变换的数据进行一维傅立叶变换成极坐标系统频率域中的数据。
下面描述将输入图像变换成极坐标系统频率域的处理。首先,对输入图像进行拉东变换,其中拉东变换是关于角度线性积分(line-integrating)二维图像或多维多媒体数据以获得一维投影数据的处理。即,对象的形状根据不同的视角而改变,并且从所有的角度看得见对象,这使得能够估计对象的轮廓。拉东变换使用这个原理。
用于变换二维图像的拉东变换公式由式1表示。
这里f(x,y)是正交坐标系统时间域的图像函数,pθ(R)是通过关于与正x轴成θ角、并穿过正交坐标系统原点的轴的线性积分获得的第一投影函数。即,第一拉东变换函数。δ(x)是当x为0时变为1的函数。二维图像具有在正交坐标系统中-∞<x,y<∞的区域,以及拉东坐标系统的0<s<∞以及0<θ<π区域。当xcos0+ysin0=s时,δ(xcos0+ysin0-s)=1。
这样,通过从0度到180度旋转θ获得的第一拉东变换函数pθ(R)的交点(concurrence)被称作signogram。接着对signogram进行傅立叶变换以给出诸如式2所示的与在正交坐标系统时间域中的二维傅立叶变换后的图像函数f(x,y)的关系。
P(ω,θ)=F(ωcosθ,ωsinθ)=F(ωx,ωy)|ωx=ωcosθ,ωy=ωsinθ... (2)
这里,P(ω,θ)是拉东变换函数pθ(R)的傅立叶变换函数。此外,ω是 并且θ是tan-1(ωy/ωx)。
根据中心分割理论(Central Slice theory),signogram的傅立叶变换是通过切除关于每一θ轴的二维原始图像的傅立叶变换函数获得的一维函数值。如果对该图像进行拉东变换并接着进行傅立叶变换,则该图像被变换成极坐标系统频率域中的图像。
下面,在步骤S13中,使用图2所述的频率域分区分布执行滤波以便提取各个通道的纹理描述符。在图3中,以更实用的形式描述了图2的频率域分区分布。可以理解在步骤S13中用于滤波的伽柏滤波器可以根据图3所说明的分割的特征通道来设计。即,在优选实施例中,使用根据被分成的角度方向的6个区域和径向的5个区域的5×6特征通道空间设计的伽柏滤波器执行伽柏滤波。这里,如图2所示的各个分割的频率域相应于特征通道。
伽柏滤波器的响应特征由式3表示以便说明如上所述设计的伽柏滤波器的操作。
这里,As,r是常数,GPs,r(ω,θ)指示着相应于第s径向以及第r角度方向的特征通道的滤波器的响应特征,s指示在径向的作为{0,1,2,3,4}中的一个整数的位置,以及r指示在角度方向的作为{0,1,2,3,4,5}中的一个整数的位置。并且,σρs 2和σθr 2分别是s向中的ρ坐标以及r向中的θ坐标的特征通道的标准偏差值,并相应于径向和角度方向的特征通道的宽度。
在具有如优选实施例的5×6滤波器的伽柏滤波器中,在表1和2中,特征通道的示范标准偏差被制成表格。径向的伽柏滤波器变化值被制成表1,并且在角度方向的伽柏滤波器的变化值被制成表2。
表1
表2
下面,在步骤S15,在正交坐标系统频率域或在极坐标系统频率域中伽柏滤波的图像的纹理特征被提取。这里,根据图2中说明的人类视觉系统(HVS)分割正交坐标系统频率域或极坐标系统频率域,并且每一个分割的频率域被称为特征通道。特征通道由Ci指示,其中i=6×s+r+1,并且C0指示着DC特征通道。
极坐标系统频率域分区分布根据HVS分割频率域。伽柏滤波器的-3db的通带频率特征被设计放在频率域中以适应HVS。伽柏滤波器的频率域分区方法和设计原理类似地适用于正交坐标系统。即,HVS的特征是对低频分量敏感对高频分量不敏感的,并且使用这些特征决定频率分区的分布。此后,将更详细地描述这一点。
在本发明中,伽柏滤波后的频率域的能量平均值和能量变化值被用做图像的纹理特征。
图2说明了根据HVS用于提取能量的平均值的极坐标频率域分区分布。
如图2所示,极坐标频率域被在径向和角度方向进行分割。在径向上从原点开始以倍频程间隔对极坐标频率域进行分割,并且在角度方向中,θ被分割成180/P(这里,P是θ的分区分解力(division resolving power)。如果在极坐标频率分布中象这样分割极坐标频率域,以提取能量的平均值,则低频域被密密地分割,而高频域被稀疏地分割。分割的频率域是特征通道(Ci),并且阴影部分是特征通道5。
这里,能够看到本发明的重要特点。通过本发明的拉东变换使低频域被密密地分割,而高频域被稀疏地分割,并且当根据HVS分割他们时,低频域被密密地分割,而高频域被稀疏地分割。各个分割的频率域,即从各个通道提取的特征值准确地反映了纹理特征。
当获得各个通道的能量平均值和能量变化值时,在步骤S15中计算用于描述来自特征值的图像纹理的图像纹理描述符,即特征矢量。下面将描述用于获得能量平均值和能量变化值的方法。
纹理描述符如式4所示。
F=[fSTD,fDC,e(1),...,e(30),d(1),...,d(30)]...(4)
这里,e(i)是图2的频率分布中的第i个伽柏滤波通道的能量平均值,并且d(i)是图2的频率分布中的第i个伽柏滤波通道的能量变化值。这里,特别地,fDC指示DC通道的能量,并且fSTD指示图像的所有像素值的变化。可以首先根据通道的优选顺序描述式4的各个特征值,并且根据通道的重要程度去除具有低重要性的通道的特征值,因此能够减小数据的总量。并且,纹理描述符特征矢量能够仅使用作为根据特征的重要性的特征值的各个通道的能量或使用能量和能量变化来形成。
形成描述的特征矢量的能量平均值(e(i))和能量变化值(d(i))由式6和8获得,并且在这样做的过程中,在式5的傅立叶变换之后使用伽柏滤波的函数(GPs,r(ω,θ)·P(ω,θ))获得值p(i)。如果将p(i)应用到式6,可以获得能量平均值。在式7中,使用傅立叶变换的第一拉东变换的函数和在式5中获得的p(i)获得值q(i)。如果将q(i)应用到式8,则能够得到能量变化值(d(i)。
e(i)=log[1+P(i)]...(6)
d(i)=log[1+q(i)]...(8)
在这种方法中,获得了由各个通道的能量平均值和能量变化值形成的纹理描述符。
对所有的输入图像重复执行步骤S11或S16,并且在数据库中存储各个数据纹理描述符。
存储在数据库中的纹理描述符被与从查询图像中获得的查询纹理描述符进行匹配,并被用于检索与查询图像相似的图像。此后,将描述根据本发明优选实施例的基于纹理的检索方法。
假设,使用数据纹理描述符(F)索引数据库。接下来,根据图1的其中描述了查询图像(q)的纹理描述方法提取查询纹理描述符(Fq)。并且通过在数据库中计算任意图像数据的纹理描述符(Fd)和查询纹理描述符(Fq)之间的相似性来测量一致性。
该相似性反比于通过式9获得的两个纹理描述符之间的距离(Dm)。
这里,F={f(k),k=1,K}和ω(k)指示每一通道的加权系数。在这种方法中,通过将每一通道的平均值与变化值相比较,获得数据纹理描述符和查询纹理描述符之间的距离。
傅立叶变换所旋转的图像的结果与在旋转前傅立叶变换该图像期间在频率域旋转该图像的结果是相同的。因此,当比较两个图像并进行检索时,如果比较在频率域中的旋转期间的图像,则能够发现具有不同旋转角度的两个相似的图像。旋转的不变性如式10所示。
d(q,d,mφ)=distance(Fq(k)|mφ,Fd(k))...(10)
这里,_=30°。
在通过旋转频率域中的查询图像和比较查询图像与数据图像获得两个图像之间的距离之后,距离的最小值用于指示两个最终图像之间的非相似性的总量。这如式11所示。
d(q,d)=minimum of{d(q,d,mφ)| m=1至6}...(11)
并且,成比例的图像的傅立叶变换的结果与在频率域中原始图像的傅立叶变换的结果成比例。当比较两个图像时,如果比较在频率域中的图像的缩放(scaling)的图像时,则可以得到具有不同大小的两个相似图像。比例不变性如式12所示。
d(q,d,n)=distance(Fq(k)|n,Fd(k))...(12)
这里,n是查询图像的比例变化的可能的数字。根据本发明的优选实施例,基于纹理的图像检索方法包括步骤:在频率域中以预定比例缩放查询图像;对每个比例提取纹理描述符;计算数据图像的纹理描述符与这些纹理描述符之间的距离;以及获得作为两个图像之间的距离的最小距离。获得最小距离的步骤可以如式13所示。
d(q,d)=minimum of{d(q,d,n)|n=1至N}...(13)
这里,N是成比例图像的实数。
尽管已经根据优选实施例描述了本发明,优选实施例仅用于说明本发明而不是限制本发明。显然本领域的那些技术人员在不背离本发明的精神和范围下能够进行各种改变、修改或控制。必须理解,上述的改变、修改或控制的例子是包含在本发明中的。
工业上的可应用性
根据本发明,不仅能够更准确地描述图像的纹理,而且使用频率域中的伽柏滤波器、适于提取各个特征值的极坐标系统频率域分区分布、用于提取各个频率域中的特征值的方法、以及用于给予各个频率通道重要性和优先顺序的技术,使有效地索引和检索成为可能。
当在用于军事目的的雷达图像和巨大的空中摄影中搜索一个具有特定特征的图像时,通过纹理描述方法提取的图像纹理描述符对图像检索是很有用的。
Claims (8)
1.一种使用频率域中的伽柏滤波器描述图像的纹理信息的纹理描述方法,包括:
第一步骤,转换图像,其中将时间域的图像变换成频率域的图像;
第二步骤,使用具有N×M滤波器区的伽柏滤波器滤波所变换的频率域的图像,其中N和M是预定的正整数;
第三步骤,在相应于伽柏滤波器的N×M滤波器区的频率域分区分布的各个通道中,提取伽柏滤波器图像的特征值;
第四步骤,使用图像的纹理特征值描述图像纹理描述符。
2.如权利要求1的方法,其中第一步骤中,时间域的图像被二维傅立叶变换成正交坐标系统频率域的图像。
3.如权利要求1的方法,其中第一步骤中,时间域的图像被拉东变换(Radon-transform),并且被一维傅立叶变换成极坐标系统频率域的图像。
4.如权利要求1至3的方法,其中第三步骤的频率域分区分布是根据人类视觉系统(HVS)产生的。
5.如权利要求4的方法,其中通过以倍频程间隔在径向上从原点开始对频率域进行分割来产生频率域分区频率分布,并且在角度方向以“180/分区分解力”间隔来分割频率域。
6.如权利要求4的方法,其中对频率域分区分布的各个通道给予重要性或优先顺序。
7.如权利要求4的方法,其中,在第三步骤中,在频率域分区分布的各个通道中的能量平均值和能量变化值中的一个被提取作为特征值。
8.如权利要求7的方法,其中,纹理描述符包括从各个通道获得的DC通道的能量、图像的所有像素值的变化、能量平均值和/或从各个通道获得的能量变化值。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1999/54904 | 1999-12-03 | ||
KR19990054904 | 1999-12-03 | ||
KR1020000062260A KR100355404B1 (ko) | 1999-12-03 | 2000-10-23 | 주파수 공간상에서의 가보 필터를 이용한 질감표현방법 및질감기반 영상 검색방법 |
KR2000/62260 | 2000-10-23 | ||
PCT/KR2000/001387 WO2001041071A1 (en) | 1999-12-03 | 2000-11-30 | Texture description method and texture-based image retrieval method using gabor filter in frequency domain |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1342300A CN1342300A (zh) | 2002-03-27 |
CN1319030C true CN1319030C (zh) | 2007-05-30 |
Family
ID=26636401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB008044309A Expired - Fee Related CN1319030C (zh) | 1999-12-03 | 2000-11-30 | 用频域中的伽柏滤波器的纹理描述方法和基于纹理的图像检索方法 |
Country Status (11)
Country | Link |
---|---|
US (1) | US6870965B2 (zh) |
EP (1) | EP1159709A4 (zh) |
JP (1) | JP3560159B2 (zh) |
KR (1) | KR100355404B1 (zh) |
CN (1) | CN1319030C (zh) |
AU (1) | AU767153B2 (zh) |
BR (1) | BR0007955A (zh) |
CA (1) | CA2360364C (zh) |
MX (1) | MXPA01007847A (zh) |
NZ (1) | NZ513086A (zh) |
WO (1) | WO2001041071A1 (zh) |
Families Citing this family (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000046750A1 (en) * | 1999-02-05 | 2000-08-10 | Samsung Electronics Co., Ltd. | Image texture retrieving method and apparatus thereof |
GB2388761B (en) * | 1999-07-09 | 2004-01-21 | Korea Electronics Telecomm | Texture description method and texture-based retrieval method in frequency domain |
KR100355404B1 (ko) * | 1999-12-03 | 2002-10-11 | 삼성전자 주식회사 | 주파수 공간상에서의 가보 필터를 이용한 질감표현방법 및질감기반 영상 검색방법 |
JP3550681B2 (ja) * | 1999-12-10 | 2004-08-04 | 日本電気株式会社 | 画像検索装置及び方法、並びに類似画像検索プログラムを格納した記憶媒体 |
IL146597A0 (en) * | 2001-11-20 | 2002-08-14 | Gordon Goren | Method and system for creating meaningful summaries from interrelated sets of information |
JP2003006643A (ja) | 2001-06-25 | 2003-01-10 | Canon Inc | 画像処理装置及びその方法、プログラム |
KR100477801B1 (ko) * | 2002-12-26 | 2005-03-22 | 한국전자통신연구원 | 3차원 영상정보 기술장치와 그 방법 및 이를 이용한 3차원영상정보 검색장치 및 그 방법 |
EP1498848A3 (en) * | 2003-07-18 | 2007-03-07 | Samsung Electronics Co., Ltd. | GoF/GoP texture description, and texture-based GoF/GoP retrieval |
JP4345426B2 (ja) * | 2003-10-07 | 2009-10-14 | ソニー株式会社 | 画像照合方法、プログラム、および画像照合装置 |
JP2006195536A (ja) * | 2005-01-11 | 2006-07-27 | Ntt Data Corp | 画像処理装置、画像処理方法及びプログラム |
CN100369047C (zh) * | 2005-04-30 | 2008-02-13 | 中国科学院计算技术研究所 | 一种基于Gabor相位模式的图像识别方法 |
KR101161803B1 (ko) | 2005-05-25 | 2012-07-03 | 삼성전자주식회사 | 가버 필터 및 그것의 필터링 방법, 그리고 그것을 이용한영상 처리 방법 |
US7941002B2 (en) * | 2006-12-01 | 2011-05-10 | Hewlett-Packard Development Company, L.P. | Apparatus and methods of producing photorealistic image thumbnails |
CN101236646B (zh) * | 2007-01-30 | 2011-09-14 | 宝利微系统控股公司 | 在频率域检测与估计图像显著的强相关方向的方法和系统 |
CN101276363B (zh) * | 2007-03-30 | 2011-02-16 | 夏普株式会社 | 文档图像的检索装置及文档图像的检索方法 |
DE102007019057A1 (de) | 2007-04-23 | 2008-10-30 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Vorrichtung und Verfahren zum Bestimmen eines Kanten-Histogramms, Vorrichtung und Verfahren zum Ablegen eines Bildes in einer Bilddatenbank, Vorrichtung und Verfahren zum Auffinden von zwei ähnlichen Bildern und Computerprogramm |
US20080281182A1 (en) * | 2007-05-07 | 2008-11-13 | General Electric Company | Method and apparatus for improving and/or validating 3D segmentations |
KR100932210B1 (ko) * | 2007-10-12 | 2009-12-16 | 광주과학기술원 | 영상 특징 추출 방법 및 장치, 이를 이용한 컨텐츠 기반의영상 검색 방법 및 장치 그리고 상기 방법들을 수행하는프로그램이 기록된 기록 매체 |
CN102113306A (zh) | 2008-03-20 | 2011-06-29 | 惠普开发有限公司 | 基于缩略图的图像质量检查 |
JP4950970B2 (ja) * | 2008-09-18 | 2012-06-13 | 日本放送協会 | 画像特徴抽出装置 |
BRPI1014232A2 (pt) * | 2009-06-09 | 2016-04-12 | Sony Corp | aparelho para gerar múltiplas árvores de codificação de candidato para uso durante codificação, sistema para codificação e de codificação adaptável de imagens ou vídeos, e, método para gerar múltiplas árvores de codificação de candidato |
US8670606B2 (en) * | 2010-01-18 | 2014-03-11 | Disney Enterprises, Inc. | System and method for calculating an optimization for a facial reconstruction based on photometric and surface consistency |
US9317970B2 (en) | 2010-01-18 | 2016-04-19 | Disney Enterprises, Inc. | Coupled reconstruction of hair and skin |
CN101777121A (zh) * | 2010-03-02 | 2010-07-14 | 中国海洋大学 | 一种无角毛类赤潮藻显微图像细胞目标提取方法 |
WO2012064522A1 (en) | 2010-11-12 | 2012-05-18 | 3M Innovative Properties Company | Rapid processing and detection of non-uniformities in web-based materials |
CN102081797B (zh) * | 2010-12-30 | 2013-01-09 | 天津大学 | 应用于轮胎x光图像胎冠部位多带束层纹理分离方法 |
KR20140031201A (ko) | 2011-02-24 | 2014-03-12 | 쓰리엠 이노베이티브 프로퍼티즈 캄파니 | 웨브 기반 재료 내의 불균일성의 검출 시스템 |
CN102332163B (zh) * | 2011-10-24 | 2013-07-31 | 刘国英 | 基于三层fcm聚类的小波域多尺度非监督纹理分割方法 |
KR101241983B1 (ko) | 2011-11-18 | 2013-03-11 | 인하대학교 산학협력단 | 정렬된 주변화소 차에 기반한 회전불변 질감 특성 추출 방법 |
CN102567483B (zh) * | 2011-12-20 | 2014-09-24 | 华中科技大学 | 多特征融合的人脸图像搜索方法和系统 |
CN103455817A (zh) * | 2013-04-28 | 2013-12-18 | 南京理工大学 | 一种鲁棒的时空域的人体特征提取方法 |
KR102048885B1 (ko) * | 2013-05-09 | 2019-11-26 | 삼성전자 주식회사 | 그래픽 프로세싱 유닛, 이를 포함하는 그래픽 프로세싱 시스템, 및 이를 이용한 렌더링 방법 |
CN104504667B (zh) * | 2014-12-18 | 2017-08-29 | 北京智谷睿拓技术服务有限公司 | 图像处理方法及装置 |
CN106295613A (zh) * | 2016-08-23 | 2017-01-04 | 哈尔滨理工大学 | 一种无人机目标定位方法及系统 |
CN107862709B (zh) * | 2017-09-28 | 2020-03-27 | 北京华航无线电测量研究所 | 一种多方向模式连接规则的图像纹理描述方法 |
CN109389148B (zh) * | 2018-08-28 | 2021-11-23 | 昆明理工大学 | 一种基于改进DHash算法的图像相似判定方法 |
CN112560893B (zh) * | 2020-11-13 | 2022-11-04 | 贝壳技术有限公司 | 图片纹理匹配方法、装置、电子介质及存储介质 |
US20230086521A1 (en) * | 2021-09-20 | 2023-03-23 | Tencent America LLC | Feature compression for video coding for machines |
CN116843689B (zh) * | 2023-09-01 | 2023-11-21 | 山东众成菌业股份有限公司 | 一种菌盖表面破损检测方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5101270A (en) * | 1990-12-13 | 1992-03-31 | The Johns Hopkins University | Method and apparatus for radon transformation and angular correlation in optical processors |
JP3026712B2 (ja) * | 1993-12-09 | 2000-03-27 | キヤノン株式会社 | 画像検索方法及びその装置 |
CA2227184A1 (en) * | 1995-07-19 | 1997-02-06 | Morphometrix Technologies Inc. | Window texture extraction for image analysis |
JPH1011454A (ja) * | 1996-06-20 | 1998-01-16 | Nippon Telegr & Teleph Corp <Ntt> | 映像素材検索方法及び装置 |
US6647058B1 (en) * | 1997-06-23 | 2003-11-11 | Paradyne Corporation | Performance customization system and process for optimizing XDSL performance |
JPH11110556A (ja) * | 1997-10-02 | 1999-04-23 | Ntt Data Corp | 画像類似度判定方法、類似画像判定装置及び記録媒体 |
KR20000013751A (ko) * | 1998-08-12 | 2000-03-06 | 서평원 | Cdma 시스템에서 소프트 핸드 오프시 이동국의 송신 전력제어 방법 |
US6192150B1 (en) * | 1998-11-16 | 2001-02-20 | National University Of Singapore | Invariant texture matching method for image retrieval |
WO2000046750A1 (en) * | 1999-02-05 | 2000-08-10 | Samsung Electronics Co., Ltd. | Image texture retrieving method and apparatus thereof |
US6424741B1 (en) | 1999-03-19 | 2002-07-23 | Samsung Electronics Co., Ltd. | Apparatus for analyzing image texture and method therefor |
US6259396B1 (en) * | 1999-08-26 | 2001-07-10 | Raytheon Company | Target acquisition system and radon transform based method for target azimuth aspect estimation |
KR100616229B1 (ko) * | 1999-09-16 | 2006-08-25 | 주식회사 팬택앤큐리텔 | 텍스쳐 영상 검색 장치 및 그 방법 |
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 |
KR20020011529A (ko) * | 2000-08-02 | 2002-02-09 | 송문섭 | 주파수 평면 분할 특징값과 저니크 변환을 이용한 영상의특징추출 방법/장치 및 그를 이용한 영상 검색 방법 및 장치 |
-
2000
- 2000-10-23 KR KR1020000062260A patent/KR100355404B1/ko not_active IP Right Cessation
- 2000-11-30 JP JP2001542051A patent/JP3560159B2/ja not_active Expired - Fee Related
- 2000-11-30 BR BR0007955-3A patent/BR0007955A/pt not_active Withdrawn
- 2000-11-30 EP EP00981901A patent/EP1159709A4/en not_active Withdrawn
- 2000-11-30 NZ NZ513086A patent/NZ513086A/en unknown
- 2000-11-30 AU AU19002/01A patent/AU767153B2/en not_active Ceased
- 2000-11-30 CN CNB008044309A patent/CN1319030C/zh not_active Expired - Fee Related
- 2000-11-30 WO PCT/KR2000/001387 patent/WO2001041071A1/en active Application Filing
- 2000-11-30 CA CA002360364A patent/CA2360364C/en not_active Expired - Fee Related
- 2000-11-30 MX MXPA01007847A patent/MXPA01007847A/es active IP Right Grant
- 2000-12-04 US US09/727,764 patent/US6870965B2/en not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
KR20010078707A (ko) | 2001-08-21 |
NZ513086A (en) | 2004-11-26 |
US6870965B2 (en) | 2005-03-22 |
KR100355404B1 (ko) | 2002-10-11 |
US20010031103A1 (en) | 2001-10-18 |
MXPA01007847A (es) | 2004-03-10 |
CN1342300A (zh) | 2002-03-27 |
WO2001041071A1 (en) | 2001-06-07 |
EP1159709A4 (en) | 2007-04-18 |
CA2360364A1 (en) | 2001-06-07 |
CA2360364C (en) | 2007-09-04 |
AU1900201A (en) | 2001-06-12 |
BR0007955A (pt) | 2002-04-09 |
EP1159709A1 (en) | 2001-12-05 |
JP2003515852A (ja) | 2003-05-07 |
AU767153B2 (en) | 2003-10-30 |
JP3560159B2 (ja) | 2004-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1319030C (zh) | 用频域中的伽柏滤波器的纹理描述方法和基于纹理的图像检索方法 | |
KR100308456B1 (ko) | 주파수 공간상에서의 질감표현방법 및 질감기반 검색방법 | |
CN104766084B (zh) | 一种多目标匹配的近复制图像检测方法 | |
Zhang et al. | Rotation invariant curvelet features for region based image retrieval | |
Wang et al. | A fast and high accurate image copy-move forgery detection approach | |
Li et al. | Keypoint-based copy-move detection scheme by adopting MSCRs and improved feature matching | |
CN102385578A (zh) | 图片搜索的方法和装置 | |
Song et al. | Analyzing scenery images by monotonic tree | |
CN102819840A (zh) | 一种纹理图像的分割方法 | |
Uttama et al. | Segmentation and retrieval of ancient graphic documents | |
Mittal et al. | Features for texture segmentation using Gabor filters | |
Ling et al. | Fine-search for image copy detection based on local affine-invariant descriptor and spatial dependent matching | |
Li et al. | Effective invariant features for shape‐based image retrieval | |
Buttenfield | Automating the identification of cartographic lines | |
Kjell et al. | Edge separation and orientation texture measures | |
Elaskily et al. | Enhanced Fiilltterr-based SIFT Apprroach fforr Copy-Move Forrgerry Dettecttiion | |
Mehbodniya et al. | Content-Based Image Recovery System with the Aid of Median Binary Design Pattern. | |
Choi¹ et al. | Texture descriptors | |
Suresh et al. | Detection and localization of copy-move forgery in digital images: review and challenges | |
Sajjanhar et al. | A composite descriptor for shape retrieval | |
US20240169691A1 (en) | Method, system and device for copy-paste tampered image detection | |
Devi et al. | Localization and Identification of Copy-Move Forgery using SIFR and FQRHFM | |
Soni et al. | Oriented FAST Rotated BRIEF and Trie-Based Efficient Copy-Move Forgery Detection Algorithm | |
Soni et al. | Copy–Move Attack Detection from Digital Images: An Image Forensic Approach | |
Hejazi et al. | A hierarchical approach to rotation-invariant texture feature extraction based on Radon transform parameters |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C06 | Publication | ||
PB01 | Publication | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20070530 Termination date: 20181130 |