JP2002027277A - Ｈｍｍｄカラースペースに基づいたカラー量子化方法とマルチメディア - Google Patents
Ｈｍｍｄカラースペースに基づいたカラー量子化方法とマルチメディアInfo
- Publication number
- JP2002027277A JP2002027277A JP2001157023A JP2001157023A JP2002027277A JP 2002027277 A JP2002027277 A JP 2002027277A JP 2001157023 A JP2001157023 A JP 2001157023A JP 2001157023 A JP2001157023 A JP 2001157023A JP 2002027277 A JP2002027277 A JP 2002027277A
- Authority
- JP
- Japan
- Prior art keywords
- divided
- area
- axis
- equal parts
- color
- 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.)
- Granted
Links
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
- H04N1/46—Colour picture communication systems
- H04N1/64—Systems for the transmission or the storage of the colour picture signal; Details therefor, e.g. coding or decoding means therefor
- H04N1/644—Systems for the transmission or the storage of the colour picture signal; Details therefor, e.g. coding or decoding means therefor using a reduced set of representative colours, e.g. each representing a particular range in a colour space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Library & Information Science (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Facsimile Image Signal Circuits (AREA)
- Color Image Communication Systems (AREA)
Abstract
(57)【要約】
【課題】 本発明は、様々な量子化レベルで使用でき
るＨＭＭＤカラースペースでの検索性能を高めた量子化
方法を提供する。 【解決手段】本発明は、ＨＭＭＤカラースペースでのカ
ラー情報を用いた検索システムで、差分値（ｄｉｆｆ）
を軸として、指定した一つ以上のｄｉｆｆ値を用いてカ
ラースペースを１次分割し、カラースペースの分割領域
のうち最も低いｄｉｆｆ領域はグレイ領域としてｈｕｅ
に関係ないものとし、ｓｕｍのみを基準にＮ（Ｎは自然
数）等分する。他のｄｉｆｆ領域に対しては、ｓｕｍ軸
を基準に各領域ごとに各々与えられた数に等分し、ｈｕ
ｅ軸を基準に各領域ごとに各々与えられた数に等分す
る。
るＨＭＭＤカラースペースでの検索性能を高めた量子化
方法を提供する。 【解決手段】本発明は、ＨＭＭＤカラースペースでのカ
ラー情報を用いた検索システムで、差分値（ｄｉｆｆ）
を軸として、指定した一つ以上のｄｉｆｆ値を用いてカ
ラースペースを１次分割し、カラースペースの分割領域
のうち最も低いｄｉｆｆ領域はグレイ領域としてｈｕｅ
に関係ないものとし、ｓｕｍのみを基準にＮ（Ｎは自然
数）等分する。他のｄｉｆｆ領域に対しては、ｓｕｍ軸
を基準に各領域ごとに各々与えられた数に等分し、ｈｕ
ｅ軸を基準に各領域ごとに各々与えられた数に等分す
る。
Description
【０００１】
【発明の属する技術分野】本発明は、マルチメディア検
索に用いられるカラー特徴要素を抽出することにおい
て、互いに異なるレベルで量子化されたマルチメディア
データを効率的に検索できるようにするＨＭＭＤカラー
スペースに基づいたカラー量子化方法及びこれを用いる
マルチメディア検索方法に関する。
索に用いられるカラー特徴要素を抽出することにおい
て、互いに異なるレベルで量子化されたマルチメディア
データを効率的に検索できるようにするＨＭＭＤカラー
スペースに基づいたカラー量子化方法及びこれを用いる
マルチメディア検索方法に関する。
【０００２】
【従来の技術】最近、内容に基づいてマルチメディアを
検索する技術の登場によって、正しく早く検索する検索
性能を決めるマルチメディア特徴要素に対する工夫が盛
んである。現在、用いられている検索エンジンには画像
検索のために全体的及び部分的なカラー情報とテクスチ
ャ情報などを用いているものが多く、このうち、カラー
情報は画像検索に最も重要な影響を与える要素として知
られている。従って、より効果的なカラー特徴要素に対
する開発が成されており、より効率的に検索できる効果
的なカラー空間を開発しようとする工夫も行われてい
る。カラー情報にはカラーヒストグラム、部分を代表す
るカラーなど多様な特徴情報があるが、いずれもカラー
の量子化をどのように行うかによって検索性能が大きく
違ってくる。
検索する技術の登場によって、正しく早く検索する検索
性能を決めるマルチメディア特徴要素に対する工夫が盛
んである。現在、用いられている検索エンジンには画像
検索のために全体的及び部分的なカラー情報とテクスチ
ャ情報などを用いているものが多く、このうち、カラー
情報は画像検索に最も重要な影響を与える要素として知
られている。従って、より効果的なカラー特徴要素に対
する開発が成されており、より効率的に検索できる効果
的なカラー空間を開発しようとする工夫も行われてい
る。カラー情報にはカラーヒストグラム、部分を代表す
るカラーなど多様な特徴情報があるが、いずれもカラー
の量子化をどのように行うかによって検索性能が大きく
違ってくる。
【０００３】カラー量子化とは、カラースペース上でカ
ラーの分布を表すとき、数多くのカラー種類ごとに全て
を表示することは難いので、同種類のカラーグループを
一つのカラーラベルにまとめて制限した数のカラーでカ
ラー情報を示すためのものである。例えば、ＲＧＢカラ
ースペースにおけるカラーヒストグラムの場合、ＲＧＢ
の一要素ごとに０から２５５の範囲の数字で表すのでカ
ラーの種類は２５６の３乗となる。これをカラーヒスト
グラムで表現すると２５６の３乗のビンから構成しなけ
ればならないので現実性のがい。従って、同種のカラー
をグループ化してグループ別に一つのカラーラベルを与
える。このためまずカラースペース全体を表現しようと
するカラーの数に等しい部分空間に分割するがこの時分
割する方法がカラー量子化方法である。
ラーの分布を表すとき、数多くのカラー種類ごとに全て
を表示することは難いので、同種類のカラーグループを
一つのカラーラベルにまとめて制限した数のカラーでカ
ラー情報を示すためのものである。例えば、ＲＧＢカラ
ースペースにおけるカラーヒストグラムの場合、ＲＧＢ
の一要素ごとに０から２５５の範囲の数字で表すのでカ
ラーの種類は２５６の３乗となる。これをカラーヒスト
グラムで表現すると２５６の３乗のビンから構成しなけ
ればならないので現実性のがい。従って、同種のカラー
をグループ化してグループ別に一つのカラーラベルを与
える。このためまずカラースペース全体を表現しようと
するカラーの数に等しい部分空間に分割するがこの時分
割する方法がカラー量子化方法である。
【０００４】カラーを用いたマルチメディア検索におい
て検索性能に影響を及ぼす要素は多数あるが、先ずカラ
ースペースがカラーをうまく表現しているかどうかが重
要であり、それに関連して、与えられたカラースペース
をどのような方法で分割するか、即ち、カラー量子化方
法によってデータのカラー特徴表現の優劣が決められ
る。従って、高い検索性能のためには適切なカラー量子
化方法が要求される。カラー量子化において考慮しなけ
ればならない重要なことは、互いに異なる方法で量子化
したカラー情報は比較検索を行うことができないという
事実である。
て検索性能に影響を及ぼす要素は多数あるが、先ずカラ
ースペースがカラーをうまく表現しているかどうかが重
要であり、それに関連して、与えられたカラースペース
をどのような方法で分割するか、即ち、カラー量子化方
法によってデータのカラー特徴表現の優劣が決められ
る。従って、高い検索性能のためには適切なカラー量子
化方法が要求される。カラー量子化において考慮しなけ
ればならない重要なことは、互いに異なる方法で量子化
したカラー情報は比較検索を行うことができないという
事実である。
【０００５】従来の技術ではそれぞれのデータベースを
対象とする検索だけを考慮しているのでかかることが反
映する必要もなく、またできなかった。したがって、い
ずれも同一量子化の方法によって量子化されていると仮
定し、同一量子化方法によって抽出されたカラー情報だ
けを対象とする比較検索方法に対する研究がつぎつぎ報
告されている。
対象とする検索だけを考慮しているのでかかることが反
映する必要もなく、またできなかった。したがって、い
ずれも同一量子化の方法によって量子化されていると仮
定し、同一量子化方法によって抽出されたカラー情報だ
けを対象とする比較検索方法に対する研究がつぎつぎ報
告されている。
【０００６】しかしながら、インターネットが発達して
いる現在は互いに異なるサーバーで管理しているデータ
に対しても検索要求によって、サーバーとは無関係にい
かなるマルチメディアデータでも相互に比較検索できる
ことが非常に重要になった。かかる要求を満たすために
はこれに伴う量子化方法も考慮しなければならないし、
相互に比較するための検索アルゴリズムも提供すべきで
ある。このような性質を相互運用性という。
いる現在は互いに異なるサーバーで管理しているデータ
に対しても検索要求によって、サーバーとは無関係にい
かなるマルチメディアデータでも相互に比較検索できる
ことが非常に重要になった。かかる要求を満たすために
はこれに伴う量子化方法も考慮しなければならないし、
相互に比較するための検索アルゴリズムも提供すべきで
ある。このような性質を相互運用性という。
【０００７】
【発明が解決しようとする課題】本発明は、上記従来技
術の問題点を解決するためのもので、ＨＭＭＤカラース
ペースで検索性能を高める最適の量子化方法を様々な量
子化レベルに合わせるように決めようとするものであ
る。
術の問題点を解決するためのもので、ＨＭＭＤカラース
ペースで検索性能を高める最適の量子化方法を様々な量
子化レベルに合わせるように決めようとするものであ
る。
【０００８】本発明の他の目的は互いに異なる応用プロ
グラムから生成されたマルチメディア間の検索ができる
ように様々な量子化レベルで量子化されたカラー特徴間
に相互運用性があると共に高い検索性能を保持するよう
に量子化規則を定義するものである。
グラムから生成されたマルチメディア間の検索ができる
ように様々な量子化レベルで量子化されたカラー特徴間
に相互運用性があると共に高い検索性能を保持するよう
に量子化規則を定義するものである。
【０００９】即ち、本発明は相互運用性を保持しながら
高い検索性能を可能とする様々なレベルのカラー量子化
方法を提示すると共に互いに異なるレベルで量子化され
た特徴間の類似度を測定するマルチメディア検索方法を
提供するものである。
高い検索性能を可能とする様々なレベルのカラー量子化
方法を提示すると共に互いに異なるレベルで量子化され
た特徴間の類似度を測定するマルチメディア検索方法を
提供するものである。
【００１０】本発明の説明においてまず用語を概略的に
定義する。 （ａ）カラー量子化レベル 任意のカラースペースで示すカラー数は無限であると言
える。コーンピュータで示す２５６次元のＲＧＢカラー
スペースで示されるカラー数は２５６の３乗（１６７７
７２１６）に達する。従って、カラーに基づいてマルチ
メディアを検索するためにカラーの数を減らすためにカ
ラーをＮ（Ｎは自然数）個にグループ化してカラーのラ
ベルを割り当てる。この時カラーグループの数をカラー
量子化レベルという。
定義する。 （ａ）カラー量子化レベル 任意のカラースペースで示すカラー数は無限であると言
える。コーンピュータで示す２５６次元のＲＧＢカラー
スペースで示されるカラー数は２５６の３乗（１６７７
７２１６）に達する。従って、カラーに基づいてマルチ
メディアを検索するためにカラーの数を減らすためにカ
ラーをＮ（Ｎは自然数）個にグループ化してカラーのラ
ベルを割り当てる。この時カラーグループの数をカラー
量子化レベルという。
【００１１】（ｂ）相互運用性 同一のカラースペースを用いてマルチメディアのカラー
特徴要素を抽出してもその量子化方法によって情報が異
なる。特に互いに異なる量子化レベルで量子化された画
像特徴要素を用いて両画像の類似度を測定することは非
常に困難である。これは特徴要素を表しているカラーラ
ベルの意味が全く違い、これらの関係を記述し難いから
である。
特徴要素を抽出してもその量子化方法によって情報が異
なる。特に互いに異なる量子化レベルで量子化された画
像特徴要素を用いて両画像の類似度を測定することは非
常に困難である。これは特徴要素を表しているカラーラ
ベルの意味が全く違い、これらの関係を記述し難いから
である。
【００１２】例えば、一つのデータを３２レベルで量子
化して３２個のビンから構成されたカラーヒストグラム
を構成し、他のデータを６４レベルで量子化して６４個
のビンから構成されたカラーヒストグラムを構成してい
ると仮定するとき、双方のカラーヒストグラムを用いて
類似度を測定するためには第１ヒストグラムの各ビンが
第２のヒストグラムのどのビンに当たっているかを把握
した上で初めて可能であり、任意の方法で量子化がなさ
れていれば、かかるビン間の関係を定義するのは非常に
困難である。
化して３２個のビンから構成されたカラーヒストグラム
を構成し、他のデータを６４レベルで量子化して６４個
のビンから構成されたカラーヒストグラムを構成してい
ると仮定するとき、双方のカラーヒストグラムを用いて
類似度を測定するためには第１ヒストグラムの各ビンが
第２のヒストグラムのどのビンに当たっているかを把握
した上で初めて可能であり、任意の方法で量子化がなさ
れていれば、かかるビン間の関係を定義するのは非常に
困難である。
【００１３】しかしながら、いずれかの規則を適用して
量子化されていれば、互いに異なる量子化レベルが適用
されていても双方の特徴要素で示されたカラーラベル間
の関係を記述できるので相互類似度の比較が可能であ
る。
量子化されていれば、互いに異なる量子化レベルが適用
されていても双方の特徴要素で示されたカラーラベル間
の関係を記述できるので相互類似度の比較が可能であ
る。
【００１４】例えば、３２レベルで量子化された空間を
更に各々２等分して６４レベルで量子化して構成すれば
６４レベルで示す各ビンは、包含関係を簡単に計算する
ことによって３２レベルのうち一つのレベルにマッピン
グできる。このように互いに異なる量子化方法を用いて
も相互比較して処理可能な性質を相互運用性という。
更に各々２等分して６４レベルで量子化して構成すれば
６４レベルで示す各ビンは、包含関係を簡単に計算する
ことによって３２レベルのうち一つのレベルにマッピン
グできる。このように互いに異なる量子化方法を用いて
も相互比較して処理可能な性質を相互運用性という。
【００１５】（ｃ）ＨＭＭＤカラースペース 本願出願人が１９９８年４月２９日付で出願した特許
（第９８−１５３２６号）で提示しているカラースペー
スとして、相互対称の円錐の下面を重畳したような二つ
のダブルコーン状のカラースペースであって、図１に示
すような５個のパラメーターから構成されたカラースペ
ースである。
（第９８−１５３２６号）で提示しているカラースペー
スとして、相互対称の円錐の下面を重畳したような二つ
のダブルコーン状のカラースペースであって、図１に示
すような５個のパラメーターから構成されたカラースペ
ースである。
【００１６】５個のパラメーターの色相ｈｕｅ、最大値
ｍａｘ、最小値ｍin、差分値ｄｉｆｆ、合計ｓｕｍは、
各々色濃度(shade)、陰影(tint)、彩度(chroma)、明る
さ(brightness)を意味する。
ｍａｘ、最小値ｍin、差分値ｄｉｆｆ、合計ｓｕｍは、
各々色濃度(shade)、陰影(tint)、彩度(chroma)、明る
さ(brightness)を意味する。
【００１７】図２はＨＭＭＤカラースペースの詳細構造
の内部断面を示す図である。その対称の円錐の相互に向
き合っている頂点Ａ、Ｂを連結する縦軸がｓｕｍ、縦軸
と垂直方向に円周を０°から３６０°まで回転して変わ
る値がｈｕｅ、中心（０）から最大円周（ｃ）方向の最
短直線成分ｄｉｆｆ、下側円錐の頂点Ｂから最大円周
（ｃ）方向の最短直線成分はｍａｘ、最大円周（ｃ）か
ら上側円錐の頂点方向への最短直線成分はｍｉｎを意味
する。
の内部断面を示す図である。その対称の円錐の相互に向
き合っている頂点Ａ、Ｂを連結する縦軸がｓｕｍ、縦軸
と垂直方向に円周を０°から３６０°まで回転して変わ
る値がｈｕｅ、中心（０）から最大円周（ｃ）方向の最
短直線成分ｄｉｆｆ、下側円錐の頂点Ｂから最大円周
（ｃ）方向の最短直線成分はｍａｘ、最大円周（ｃ）か
ら上側円錐の頂点方向への最短直線成分はｍｉｎを意味
する。
【００１８】ここで前記のような５個のパラメーターｈ
ｕｅ、ｍａｘ、ｍｉｎ、ｄｉｆｆ、ｓｕｍはＲＧＢカラ
ースペースの３パラメーターｒ、ｇ、ｂから次のように
求められる。この時ｈｕｅは０から３６０までの値を有
する。すなわち、そのように円を分割して値を決める。
ｕｅ、ｍａｘ、ｍｉｎ、ｄｉｆｆ、ｓｕｍはＲＧＢカラ
ースペースの３パラメーターｒ、ｇ、ｂから次のように
求められる。この時ｈｕｅは０から３６０までの値を有
する。すなわち、そのように円を分割して値を決める。
【００１９】ｍａｘ＝ｍａｘ(ｒ、ｇ、ｂ) ｍｉｎ＝ｍｉｎ(ｒ、ｇ、ｂ） ｄｉｆｆ＝ｍａｘ(ｒ、ｇ、ｂ)−ｍｉｎ(ｒ、ｇ、ｂ） ｓｕｍ＝(ｍａｘ(ｒ、ｇ、ｂ)−ｍｉｎ(ｒ、ｇ、ｂ）／
２ ｉｆｍａｘ(ｒ、ｇ、ｂ)＝ｍｉｎ(ｒ、ｇ、ｂ） ｈｕｅ＝ＵＮＤＥＦＩＮＥＤ； ｅｌｅｓ ｉｆ ｒ＝ｍａｘ(ｒ、ｇ、ｂ)＆(ｇ−ｂ≧
０）ｈｕｅ＝（ｇ−ｂ）＊６０／(ｍａｘ(ｒ、ｇ、ｂ)
−ｍｉｎ(ｒ、ｇ、ｂ)）； ｅｌｅｓ ｉｆ ｒ＝ｍａｘ(ｒ、ｇ、ｂ)＆(ｇ−ｂ＜
０）ｈｕｅ＝３６０＋（ｇ−ｂ）＊６０／(ｍａｘ(ｒ、
ｇ、ｂ)−ｍｉｎ(ｒ、ｇ、ｂ)）； ｅｌｅｓ ｉｆ ｇ＝ｍａｘ ｈｕｅ＝１２０＋（ｂ−
ｒ）＊６０／(ｍａｘ(ｒ、ｇ、ｂ)−ｍｉｎ(ｒ、ｇ、
ｂ)）； ｅｌｅｓ ｈｕｅ＝２４０＋（ｒ−ｂ）＊６０／(ｍａ
ｘ(ｒ、ｇ、ｂ)−ｍｉｎ(ｒ、ｇ、ｂ)）；
２ ｉｆｍａｘ(ｒ、ｇ、ｂ)＝ｍｉｎ(ｒ、ｇ、ｂ） ｈｕｅ＝ＵＮＤＥＦＩＮＥＤ； ｅｌｅｓ ｉｆ ｒ＝ｍａｘ(ｒ、ｇ、ｂ)＆(ｇ−ｂ≧
０）ｈｕｅ＝（ｇ−ｂ）＊６０／(ｍａｘ(ｒ、ｇ、ｂ)
−ｍｉｎ(ｒ、ｇ、ｂ)）； ｅｌｅｓ ｉｆ ｒ＝ｍａｘ(ｒ、ｇ、ｂ)＆(ｇ−ｂ＜
０）ｈｕｅ＝３６０＋（ｇ−ｂ）＊６０／(ｍａｘ(ｒ、
ｇ、ｂ)−ｍｉｎ(ｒ、ｇ、ｂ)）； ｅｌｅｓ ｉｆ ｇ＝ｍａｘ ｈｕｅ＝１２０＋（ｂ−
ｒ）＊６０／(ｍａｘ(ｒ、ｇ、ｂ)−ｍｉｎ(ｒ、ｇ、
ｂ)）； ｅｌｅｓ ｈｕｅ＝２４０＋（ｒ−ｂ）＊６０／(ｍａ
ｘ(ｒ、ｇ、ｂ)−ｍｉｎ(ｒ、ｇ、ｂ)）；
【００２０】
【課題を解決するための手段】上記目的を達成するため
の本発明によるＨＭＭＤカラースペースのに基づいたカ
ラー量子化方法は、ＨＭＭＤカラースペースでのカラー
情報を用いた検索システムで、差分値（ｄｉｆｆ）を軸
として、仮に指定した一つ以上のｄｉｆｆ値を用いてカ
ラースペースを１次分割する過程と、前記カラースペー
スの分割領域のうち最も低いｄｉｆｆ領域はグレイ領域
であって、ｈｕｅに区分せず、ｓｕｍのみを基準にＮ
（Ｎは自然数）等分する過程と、他のｄｉｆｆ領域に対
しては、ｓｕｍ軸を基準に各領域ごとに各々与えられた
常数に等分し、ｈｕｅ軸を基準に各領域ごとに各々与え
られた常数に等分する過程と、を有することを特徴とす
る。
の本発明によるＨＭＭＤカラースペースのに基づいたカ
ラー量子化方法は、ＨＭＭＤカラースペースでのカラー
情報を用いた検索システムで、差分値（ｄｉｆｆ）を軸
として、仮に指定した一つ以上のｄｉｆｆ値を用いてカ
ラースペースを１次分割する過程と、前記カラースペー
スの分割領域のうち最も低いｄｉｆｆ領域はグレイ領域
であって、ｈｕｅに区分せず、ｓｕｍのみを基準にＮ
（Ｎは自然数）等分する過程と、他のｄｉｆｆ領域に対
しては、ｓｕｍ軸を基準に各領域ごとに各々与えられた
常数に等分し、ｈｕｅ軸を基準に各領域ごとに各々与え
られた常数に等分する過程と、を有することを特徴とす
る。
【００２１】また、前記ｄｉｆｆ軸を中心にしてカラー
スペースを１次分割するためのｄｉｆｆ値の決定は低い
彩度（低いｄｉｆｆ領域）であるほど小さい幅を有する
ように指定することを特徴とする。
スペースを１次分割するためのｄｉｆｆ値の決定は低い
彩度（低いｄｉｆｆ領域）であるほど小さい幅を有する
ように指定することを特徴とする。
【００２２】また前記決定されたｄｉｆｆ値により分割
された部分領域で、ｓｕｍ軸を基準に各々与えられた常
数に等分するとき、分割した領域の両側のｓｕｍ幅
（ａ，ｂ）のうち、大きなｓｕｍ幅（ａ）を基準に等分
することを特徴とする。
された部分領域で、ｓｕｍ軸を基準に各々与えられた常
数に等分するとき、分割した領域の両側のｓｕｍ幅
（ａ，ｂ）のうち、大きなｓｕｍ幅（ａ）を基準に等分
することを特徴とする。
【００２３】また、前記ｈｕｅ軸を基準に各領域を分割
するとき、赤色（即ち、０°、赤とされる範囲の中心を
０゜とする）を始めとしてＮ（Ｎは自然数）等分するこ
とを特徴とする。
するとき、赤色（即ち、０°、赤とされる範囲の中心を
０゜とする）を始めとしてＮ（Ｎは自然数）等分するこ
とを特徴とする。
【００２４】また、ＨＭＭＤカラースペースでのカラー
情報を用いた検索システムにおいて、差分値（ｄｉｆ
ｆ）を軸として、予め指定した一つ以上のｄｉｆｆ値を
基準に前記カラースペースを１次分割する過程と、前記
過程を通じて分割された各部分領域に対して、ｓｕｍ軸
を基準に２X個（ｘは定数）に等分し、ｈｕｅ軸を基準
に２y個（ｙは定数）に等分する過程と、を有すること
を特徴とする。
情報を用いた検索システムにおいて、差分値（ｄｉｆ
ｆ）を軸として、予め指定した一つ以上のｄｉｆｆ値を
基準に前記カラースペースを１次分割する過程と、前記
過程を通じて分割された各部分領域に対して、ｓｕｍ軸
を基準に２X個（ｘは定数）に等分し、ｈｕｅ軸を基準
に２y個（ｙは定数）に等分する過程と、を有すること
を特徴とする。
【００２５】また、ＨＭＭＤカラースペースでのカラー
情報を用いた検索システムにおいて、（ａ）ｄｉｆｆ，
ｓｕｍ，ｈｕｅを用いて、基準となるレベルのカラー量
子化を行い、前記カラースペースを基準となるレベルに
分割する過程と、（ｂ）前記（ａ）過程でカラー量子化
に分割された各部分領域のうち、一つ以上の部分領域を
ｄｉｆｆ，ｓｕｍ，ｈｕｅの一つ以上の組み合わせによ
り更に細分して分割し、より大きなレベルのカラー量子
化を行う過程と、を有することを特徴とする。
情報を用いた検索システムにおいて、（ａ）ｄｉｆｆ，
ｓｕｍ，ｈｕｅを用いて、基準となるレベルのカラー量
子化を行い、前記カラースペースを基準となるレベルに
分割する過程と、（ｂ）前記（ａ）過程でカラー量子化
に分割された各部分領域のうち、一つ以上の部分領域を
ｄｉｆｆ，ｓｕｍ，ｈｕｅの一つ以上の組み合わせによ
り更に細分して分割し、より大きなレベルのカラー量子
化を行う過程と、を有することを特徴とする。
【００２６】また、ＨＭＭＤカラースペースでのカラー
情報を用いた検索システムにおいて、（ａ）ｄｉｆｆ，
ｓｕｍ，ｈｕｅを用いて、基準となるレベルのカラー量
子化を行い、前記カラースペースを基準となるレベルに
分割する過程と、（ｂ）前記（ａ）過程でカラー量子化
に分割された各部分領域のうち、一つ以上の部分領域を
併合することにより、より小さいレベルのカラー量子化
を行う過程と、を有することを特徴とする。
情報を用いた検索システムにおいて、（ａ）ｄｉｆｆ，
ｓｕｍ，ｈｕｅを用いて、基準となるレベルのカラー量
子化を行い、前記カラースペースを基準となるレベルに
分割する過程と、（ｂ）前記（ａ）過程でカラー量子化
に分割された各部分領域のうち、一つ以上の部分領域を
併合することにより、より小さいレベルのカラー量子化
を行う過程と、を有することを特徴とする。
【００２７】また、互いに異なるレベルのカラー量子化
方法で量子化したカラー特徴要素を用いて検索する方法
において、（ａ）大きなレベルの量子化方法によって生
成した特徴要素のカラーラベルを、小さいレベルの量子
化方法により生成した特徴要素のカラーラベルのうち一
つにマッピングさせることで、互いに異なる量子化方法
による二つの特徴要素のカラーラベルの意味を一致（マ
ッピング）させる過程と、（ｂ）一致したカラーラベル
を使用して類似度を測定する過程と、（ｃ）測定した類
似度を基準にマルチメディアデータを出力する過程と、
を有することを特徴とする。
方法で量子化したカラー特徴要素を用いて検索する方法
において、（ａ）大きなレベルの量子化方法によって生
成した特徴要素のカラーラベルを、小さいレベルの量子
化方法により生成した特徴要素のカラーラベルのうち一
つにマッピングさせることで、互いに異なる量子化方法
による二つの特徴要素のカラーラベルの意味を一致（マ
ッピング）させる過程と、（ｂ）一致したカラーラベル
を使用して類似度を測定する過程と、（ｃ）測定した類
似度を基準にマルチメディアデータを出力する過程と、
を有することを特徴とする。
【００２８】また、前記（ａ）過程は、より大きなレベ
ルの量子化方法によって生成したカラーラベルの各該当
部分領域の任意の一点が、マッピングしようとするより
小さいレベルの量子化方法により生成したカラーラベル
に当たる各領域の何れかの一領域に含まれると、その含
まれた領域のカラーラベルをマッピングしたカラーラベ
ルと決定することを特徴とする。
ルの量子化方法によって生成したカラーラベルの各該当
部分領域の任意の一点が、マッピングしようとするより
小さいレベルの量子化方法により生成したカラーラベル
に当たる各領域の何れかの一領域に含まれると、その含
まれた領域のカラーラベルをマッピングしたカラーラベ
ルと決定することを特徴とする。
【００２９】また、前記（ａ）過程でカラーラベルマッ
ピングは最初に両データの類似度の比較時点でのみ行わ
れ、このとき、二つの量子化方法によるカラーラベルの
マッピング関係をテーブルなどの形式で格納し、それか
らデータに対しては別のカラーラベルマッピングを行う
ことなく、直ぐに格納した関係テーブルの情報を使用す
ることを特徴とする。
ピングは最初に両データの類似度の比較時点でのみ行わ
れ、このとき、二つの量子化方法によるカラーラベルの
マッピング関係をテーブルなどの形式で格納し、それか
らデータに対しては別のカラーラベルマッピングを行う
ことなく、直ぐに格納した関係テーブルの情報を使用す
ることを特徴とする。
【００３０】
【発明の実施の形態】以下、添付の図面を参照して本発
明を更に詳細に説明する。図３はカラースペースにおけ
るグレイ領域を区画する方法に対して述べている。本発
明ではＨＭＭＤカラースペースがｄｉｆｆによって１次
分割されるが図面の通り一定臨界値以下のｄｉｆｆ値を
有する領域をグレイ領域とし、ｈｕｅによって色の区分
をしない。従って、明るさだけがグレイ領域に属した色
を区分する要素として作用できるので当該領域では明る
さに該当するｓｕｍに基づいて分割する。
明を更に詳細に説明する。図３はカラースペースにおけ
るグレイ領域を区画する方法に対して述べている。本発
明ではＨＭＭＤカラースペースがｄｉｆｆによって１次
分割されるが図面の通り一定臨界値以下のｄｉｆｆ値を
有する領域をグレイ領域とし、ｈｕｅによって色の区分
をしない。従って、明るさだけがグレイ領域に属した色
を区分する要素として作用できるので当該領域では明る
さに該当するｓｕｍに基づいて分割する。
【００３１】第１実施形態 図４は基本的な３２レベルのカラー量子化方法に対して
述べている。まず、ｄｉｆｆ値が０〜２５５の範囲の場
合ｄｉｆｆ値９、２９、７５に基づいて前記カラースペ
ースを四つの部分領域に分けこれらの部分領域を各々Ｓ
４１、Ｓ４２、Ｓ４３、Ｓ４４とする。この時図３に示
すように、Ｓ４１の場合は最もｄｉｆｆが低い領域、即
ち、彩度が最も低いグレイ領域であるのでｈｕｅに対し
ては分割することなく明るさ、即ち、ｓｕｍに基づいて
８等分する。Ｓ４２はｈｕｅに基づいて４等分しそれぞ
れを更にｓｕｍに基づいて２等分し、Ｓ４３はｈｕｅに
基づいて３等分しそれぞれを更にｓｕｍに基づいて４等
分する。
述べている。まず、ｄｉｆｆ値が０〜２５５の範囲の場
合ｄｉｆｆ値９、２９、７５に基づいて前記カラースペ
ースを四つの部分領域に分けこれらの部分領域を各々Ｓ
４１、Ｓ４２、Ｓ４３、Ｓ４４とする。この時図３に示
すように、Ｓ４１の場合は最もｄｉｆｆが低い領域、即
ち、彩度が最も低いグレイ領域であるのでｈｕｅに対し
ては分割することなく明るさ、即ち、ｓｕｍに基づいて
８等分する。Ｓ４２はｈｕｅに基づいて４等分しそれぞ
れを更にｓｕｍに基づいて２等分し、Ｓ４３はｈｕｅに
基づいて３等分しそれぞれを更にｓｕｍに基づいて４等
分する。
【００３２】最後にＳ４４はｈｕｅとｓｕｍとに基づい
てそれぞれ２等分する。ここで、Ｓ４２ないしＳ４４の
領域ではｈｕｅに基づいてまずＨＭＭＤカラースペース
を等しく分割、すなわち等分し、その次にｓｕｍに基づ
いて等分を行うか又はその逆を行っても良い。即ち、Ｓ
４２ないしＳ４４部分の領域ではｈｕｅとｓｕｍのう
ち、どちらを先に等分してもかまわない。以後かかる関
係は任意の領域をｓｕｍとｈｕｅとに基づいて分割する
ときはいずれも該当する。このとき、ｓｕｍに基づいて
分割する際に、分割された領域はその先端部（ａ，ｂ）
において分割幅が異なることになるが、大きい方、すな
わちｓｕｍ軸に近い方ａに基づいて等分する。このこと
はｄｉｆｆ値によって分けられた分割領域をｓｕｍに基
づいてそれぞれ与えられた常数で等分するとき同じよう
に適用される。
てそれぞれ２等分する。ここで、Ｓ４２ないしＳ４４の
領域ではｈｕｅに基づいてまずＨＭＭＤカラースペース
を等しく分割、すなわち等分し、その次にｓｕｍに基づ
いて等分を行うか又はその逆を行っても良い。即ち、Ｓ
４２ないしＳ４４部分の領域ではｈｕｅとｓｕｍのう
ち、どちらを先に等分してもかまわない。以後かかる関
係は任意の領域をｓｕｍとｈｕｅとに基づいて分割する
ときはいずれも該当する。このとき、ｓｕｍに基づいて
分割する際に、分割された領域はその先端部（ａ，ｂ）
において分割幅が異なることになるが、大きい方、すな
わちｓｕｍ軸に近い方ａに基づいて等分する。このこと
はｄｉｆｆ値によって分けられた分割領域をｓｕｍに基
づいてそれぞれ与えられた常数で等分するとき同じよう
に適用される。
【００３３】図面から分かるように、ｄｉｆｆによる分
割は低い彩度領域、即ち、低いｄｉｆｆ値を有する領域
のほど狭く分割される。これはデータ特性上データを構
成する大部分のピクセルのカラーは中間以下の彩度領域
に集中しいるので、カラーによる区分能力をより効果的
にするためである。
割は低い彩度領域、即ち、低いｄｉｆｆ値を有する領域
のほど狭く分割される。これはデータ特性上データを構
成する大部分のピクセルのカラーは中間以下の彩度領域
に集中しいるので、カラーによる区分能力をより効果的
にするためである。
【００３４】また、３２レベルのように小さい数で量子
化する場合には、低い彩度領域を小さい部分領域に区分
し、ｈｕｅによる分割も高い彩度領域に比べて細かく行
うことによって小さいレベルのカラーを用いて効果的に
表現できる。
化する場合には、低い彩度領域を小さい部分領域に区分
し、ｈｕｅによる分割も高い彩度領域に比べて細かく行
うことによって小さいレベルのカラーを用いて効果的に
表現できる。
【００３５】図５は６４レベルのカラー量子化方法に対
して述べている。先ずｄｉｆｆ軸にｄｉｆｆ値９、２
９、７５を基準に四つの部分領域に分け、これをＳ５
１、Ｓ５３、Ｓ５４とする。また、図３に示すようにＳ
５１の場合最もｄｉｆｆが低い領域、即ち、彩度が最も
低いグレイ領域であるのでｈｕｅに対しては分割するこ
となく、明るさ、即ち、ｓｕｍに基づいて８等分する、
して述べている。先ずｄｉｆｆ軸にｄｉｆｆ値９、２
９、７５を基準に四つの部分領域に分け、これをＳ５
１、Ｓ５３、Ｓ５４とする。また、図３に示すようにＳ
５１の場合最もｄｉｆｆが低い領域、即ち、彩度が最も
低いグレイ領域であるのでｈｕｅに対しては分割するこ
となく、明るさ、即ち、ｓｕｍに基づいて８等分する、
【００３６】Ｓ５２はｈｕｅに基づいて４等分しｓｕｍ
に基づいて４等分し、Ｓ５３はｈｕｅに基づいて６等分
しｓｕｍに基づいて４等分する。最後にＳ５４はｈｕｅ
とｓｕｍとに基づいてそれぞれ４等分する。このように
量子化された６４個の分割領域はそれぞれ図４において
分割された３２個の分割領域のうち一つに完全に含まれ
る。即ち、３２個の分割領域の分割境界線は６４個の分
割領域の分割境界線の部分に完全に一致する。
に基づいて４等分し、Ｓ５３はｈｕｅに基づいて６等分
しｓｕｍに基づいて４等分する。最後にＳ５４はｈｕｅ
とｓｕｍとに基づいてそれぞれ４等分する。このように
量子化された６４個の分割領域はそれぞれ図４において
分割された３２個の分割領域のうち一つに完全に含まれ
る。即ち、３２個の分割領域の分割境界線は６４個の分
割領域の分割境界線の部分に完全に一致する。
【００３７】従って、図４から分割された３２レベルの
カラーで示すデータと図５から分割された６４レベルの
カラーで示すデータの類似度を測定する場合、互いに異
なるカラーラベルを用いても容易に小さいレベルのカラ
ーラベルに一致させることができる。即ち、６４レベル
で量子化されたカラー情報は３２レベルで量子化された
カラー形式に切り替えることができる。データの類似度
測定はカラー情報の特性によって違うが、本発明の実施
形態ではカラーヒストグラムをカラー情報で用いて画像
検索に応用した。
カラーで示すデータと図５から分割された６４レベルの
カラーで示すデータの類似度を測定する場合、互いに異
なるカラーラベルを用いても容易に小さいレベルのカラ
ーラベルに一致させることができる。即ち、６４レベル
で量子化されたカラー情報は３２レベルで量子化された
カラー形式に切り替えることができる。データの類似度
測定はカラー情報の特性によって違うが、本発明の実施
形態ではカラーヒストグラムをカラー情報で用いて画像
検索に応用した。
【００３８】カラーヒストグラムは画像全体のピクセル
に対してカラー分布を示す情報である。これを求めるた
めに先ず画像の各ピクセルのカラー値がＨＭＭＤカラー
スペースを量子化方法で分割した時どの分割空間に属す
るかを計算して、各々該当分割空間のカラーラベルを有
するヒストグラムビンにその分布を記録する。
に対してカラー分布を示す情報である。これを求めるた
めに先ず画像の各ピクセルのカラー値がＨＭＭＤカラー
スペースを量子化方法で分割した時どの分割空間に属す
るかを計算して、各々該当分割空間のカラーラベルを有
するヒストグラムビンにその分布を記録する。
【００３９】かかるカラーヒストグラムを用いて画像を
検索する方法は参照画像のカラーヒストグラムと対象画
像のカラーヒストグラムとの類似度を測定してなされる
がこの時の類似度は次の式１を用いる。
検索する方法は参照画像のカラーヒストグラムと対象画
像のカラーヒストグラムとの類似度を測定してなされる
がこの時の類似度は次の式１を用いる。
【数１】 ｎ：ヒストグラムのビン数 Ｈγ［ｉ］参照画像のヒストグラムｉ番目の値 Ｈｔ［ｉ］対象画像のヒストグラムのｉ番目の値 ヒストグラムの各ビン値は一般的に分布を示す値である
ので小数となる。
ので小数となる。
【００４０】しかしながら、実際の応用ではヒストグラ
ムの記憶空間を減らすために一般的な小数表現方式の４
バイトの全てを用いることなく、小数値を量子化して１
バイト以下の空間として示す。本実施形態では各小数値
を８ビット、即ち、１バイトとして現し、そのために小
数値を０〜２５５値に量子化する。
ムの記憶空間を減らすために一般的な小数表現方式の４
バイトの全てを用いることなく、小数値を量子化して１
バイト以下の空間として示す。本実施形態では各小数値
を８ビット、即ち、１バイトとして現し、そのために小
数値を０〜２５５値に量子化する。
【００４１】図８は前記カラーマッピングを示している
が、より細かく分割した領域がそれより大きく分割した
領域にマッピングする方法を示している。この場合、マ
ッピング方法は互いに異なる量子化されたカラー情報の
うち、より大きいレベルで量子化されたカラー情報のカ
ラーラベルを小さいレベルで量子化されたカラー情報の
カラーラベルに変換するものである。このために先ず大
きいレベルで量子化されたカラー情報の各分割領域に含
まれる任意の一点を小さいレベルの量子化方法を用いて
新たなカラーラベルを求めた後その新たなカラーラベル
に変換すればよい。
が、より細かく分割した領域がそれより大きく分割した
領域にマッピングする方法を示している。この場合、マ
ッピング方法は互いに異なる量子化されたカラー情報の
うち、より大きいレベルで量子化されたカラー情報のカ
ラーラベルを小さいレベルで量子化されたカラー情報の
カラーラベルに変換するものである。このために先ず大
きいレベルで量子化されたカラー情報の各分割領域に含
まれる任意の一点を小さいレベルの量子化方法を用いて
新たなカラーラベルを求めた後その新たなカラーラベル
に変換すればよい。
【００４２】カラーマッピングの他の方法は、より大き
いレベルで量子化されたカラーラベルを小さいラベルで
量子化されたカラーラベルでマッピングするときに、大
きいレベルで量子化された各領域の任意の一点は小さい
レベルで量子化された領域の一つに必ず含まれるので、
この時含まれた該当領域のレベルに変換することによっ
てマッピングできる。
いレベルで量子化されたカラーラベルを小さいラベルで
量子化されたカラーラベルでマッピングするときに、大
きいレベルで量子化された各領域の任意の一点は小さい
レベルで量子化された領域の一つに必ず含まれるので、
この時含まれた該当領域のレベルに変換することによっ
てマッピングできる。
【００４３】このようなマッピング過程は図９のフロー
チャートに示している。第一の記述方法はより速くカラ
ーラベルをマッピング変換できる長所があるので一般的
に互いに異なる二つの量子化式が分かる場合には第一の
記述方法を用いる。しかしながら、量子化式が記述され
ず、各カラーラベルの意味するカラースペースにおける
分割領域情報だけが記述されている場合には量子化式が
分かり難いので第二の方法を用いることが出きる。この
ようなカラーマッピングは両データの比較時ごとに行う
必要はない。
チャートに示している。第一の記述方法はより速くカラ
ーラベルをマッピング変換できる長所があるので一般的
に互いに異なる二つの量子化式が分かる場合には第一の
記述方法を用いる。しかしながら、量子化式が記述され
ず、各カラーラベルの意味するカラースペースにおける
分割領域情報だけが記述されている場合には量子化式が
分かり難いので第二の方法を用いることが出きる。この
ようなカラーマッピングは両データの比較時ごとに行う
必要はない。
【００４４】一般的に特定データを参照して類似データ
を特定データベースで検索する場合、一つのデータベー
スは同じ方法の量子化方法を用いてカラー情報を抽出し
ているので、もし参照データとデータベースに属するデ
ータのカラー情報の量子化方法が異なる場合、最初一回
だけカラーマッピングを適用すればよい。また、最初の
マッピング過程において両カラーラベル間の関係をテー
ブルに格納した後は、テーブルに格納された両カラーラ
ベルの間の関係を用いて直ちにマッピングできる。この
ような方法によってカラーマッピングに要する時間を減
らすことができる。
を特定データベースで検索する場合、一つのデータベー
スは同じ方法の量子化方法を用いてカラー情報を抽出し
ているので、もし参照データとデータベースに属するデ
ータのカラー情報の量子化方法が異なる場合、最初一回
だけカラーマッピングを適用すればよい。また、最初の
マッピング過程において両カラーラベル間の関係をテー
ブルに格納した後は、テーブルに格納された両カラーラ
ベルの間の関係を用いて直ちにマッピングできる。この
ような方法によってカラーマッピングに要する時間を減
らすことができる。
【００４５】なお、図６は１２０レベルのカラー量子化
方法に対して示している。先ず、ｄｉｆｆ軸に沿ってｄ
ｉｆｆ値９、２９、７５を基準に４個の部分領域に分割
しこれをＳ６１、Ｓ６２、Ｓ６４とする。また、図３に
示すように、Ｓ６１の場合は最もｄｉｆｆが低い領域、
即ち、彩度が最も低いグレイ領域であるのでｈｕｅに対
しては分割することなく明るさ即ち、ｓｕｍに基づいて
８等分する。Ｓ６２はｈｕｅに基づいて４等分しｓｕｍ
に基づいて４等分し、Ｓ６３はｈｕｅに基づいて１２等
分しｓｕｍに基づいて４等分する。最後にＳ６４はｈｕ
ｅに基づいて１２等分しｓｕｍに基づいて４等分する。
このように量子化された１２０個の分割領域はそれぞれ
図４において分割された６４個の分割領域のうち、一つ
に完全に含まれる。即ち、図５において分割された領域
のうち、Ｓ５３に該当する分割領域全てをそれぞれｈｕ
ｅに基づいて２等分しＳ５４に該当する分割領域の全て
をそれぞれｈｕｅに基づいて３等分することによって構
成されている。
方法に対して示している。先ず、ｄｉｆｆ軸に沿ってｄ
ｉｆｆ値９、２９、７５を基準に４個の部分領域に分割
しこれをＳ６１、Ｓ６２、Ｓ６４とする。また、図３に
示すように、Ｓ６１の場合は最もｄｉｆｆが低い領域、
即ち、彩度が最も低いグレイ領域であるのでｈｕｅに対
しては分割することなく明るさ即ち、ｓｕｍに基づいて
８等分する。Ｓ６２はｈｕｅに基づいて４等分しｓｕｍ
に基づいて４等分し、Ｓ６３はｈｕｅに基づいて１２等
分しｓｕｍに基づいて４等分する。最後にＳ６４はｈｕ
ｅに基づいて１２等分しｓｕｍに基づいて４等分する。
このように量子化された１２０個の分割領域はそれぞれ
図４において分割された６４個の分割領域のうち、一つ
に完全に含まれる。即ち、図５において分割された領域
のうち、Ｓ５３に該当する分割領域全てをそれぞれｈｕ
ｅに基づいて２等分しＳ５４に該当する分割領域の全て
をそれぞれｈｕｅに基づいて３等分することによって構
成されている。
【００４６】図７は１８４レベルのカラー量子化方法に
対して示している。先ず、ｄｉｆｆ軸に沿ってｄｉｆｆ
値９、２９、７５、２００に基づいて５個の部分領域に
分け、これらをＳ７１、Ｓ７２、Ｓ７３、Ｓ７４、Ｓ７
５とする。また図３に示すように、Ｓ７１の場合には最
もｄｉｆｆが低い領域、即ち、彩度が最も低いグレイ領
域であるのでｈｕｅに対しては分割することなく明る
さ、即ち、ｓｕｍに基づいて８等分する。Ｓ７２はｈｕ
ｅに基づいて８等分しｓｕｍに基づいて４等分し、Ｓ７
３はｈｕｅに基づいて１２等分しｓｕｍに基づいて４等
分する。Ｓ７４はｈｕｅに基づいて１２等分しｓｕｍに
基づいて４等分し、Ｓ７５はｈｕｅに基づいて２４等分
しｓｕｍに基づいて２等分する。このように量子化され
た１８４個の分割領域はそれぞれ図６において分割され
た１２０個の分割領域のうち一つに完全に含まれる。
対して示している。先ず、ｄｉｆｆ軸に沿ってｄｉｆｆ
値９、２９、７５、２００に基づいて５個の部分領域に
分け、これらをＳ７１、Ｓ７２、Ｓ７３、Ｓ７４、Ｓ７
５とする。また図３に示すように、Ｓ７１の場合には最
もｄｉｆｆが低い領域、即ち、彩度が最も低いグレイ領
域であるのでｈｕｅに対しては分割することなく明る
さ、即ち、ｓｕｍに基づいて８等分する。Ｓ７２はｈｕ
ｅに基づいて８等分しｓｕｍに基づいて４等分し、Ｓ７
３はｈｕｅに基づいて１２等分しｓｕｍに基づいて４等
分する。Ｓ７４はｈｕｅに基づいて１２等分しｓｕｍに
基づいて４等分し、Ｓ７５はｈｕｅに基づいて２４等分
しｓｕｍに基づいて２等分する。このように量子化され
た１８４個の分割領域はそれぞれ図６において分割され
た１２０個の分割領域のうち一つに完全に含まれる。
【００４７】図１０ａはＨＭＭＤカラースペースでｈｕ
ｅに基づいて示す断面であり、図１０ｂは図１０ａのよ
うなｈｕｅに基づいて量子化する時ｈｕｅ平面で０°に
基づいて分割することを示している。図１０ａ、図１０
ｂから分かるように、視覚的には点線のとおり、−４５
°から＋４５°の間が適切な一つの赤色領域と見なされ
るが検索時は実線の通り、０°から９０°の間を一つの
領域で分割するのが望ましい。これはデータ特性上、一
つのオブジェクト領域の陰部分を示すために赤色系統の
暗いカラーを用いる場合が多いが、この時用いられる赤
色カラーは一つのデータ内で赤（Ｒ）と緑（Ｇ）要素を
組み合わせる場合又は赤（Ｒ）と青（Ｂ）の要素を組み
合わせる場合のうちいずれかの組み合わせに用いられる
からである。即ち、一つのデータに赤と緑の組み合わせ
の暗いカラーと、赤と青の組み合わせの暗いカラーが共
に用いられるケースが極めて珍しいためである。これは
マルチメディアデータのエンコード又は映像取得装置の
特性によるものである。
ｅに基づいて示す断面であり、図１０ｂは図１０ａのよ
うなｈｕｅに基づいて量子化する時ｈｕｅ平面で０°に
基づいて分割することを示している。図１０ａ、図１０
ｂから分かるように、視覚的には点線のとおり、−４５
°から＋４５°の間が適切な一つの赤色領域と見なされ
るが検索時は実線の通り、０°から９０°の間を一つの
領域で分割するのが望ましい。これはデータ特性上、一
つのオブジェクト領域の陰部分を示すために赤色系統の
暗いカラーを用いる場合が多いが、この時用いられる赤
色カラーは一つのデータ内で赤（Ｒ）と緑（Ｇ）要素を
組み合わせる場合又は赤（Ｒ）と青（Ｂ）の要素を組み
合わせる場合のうちいずれかの組み合わせに用いられる
からである。即ち、一つのデータに赤と緑の組み合わせ
の暗いカラーと、赤と青の組み合わせの暗いカラーが共
に用いられるケースが極めて珍しいためである。これは
マルチメディアデータのエンコード又は映像取得装置の
特性によるものである。
【００４８】図１１はこのような本発明の第１実施形態
で示したそれぞれの量子化方法を用いて画像を検索した
後、その結果を示す表である。図１１で示す数値は小さ
いほど（０に近いほど）高い検索結果を意味し、エラー
の大きさに比例する。表から分かるように従来の線形的
な単純量子化方法に比べて本発明は非常に高い検索性能
を示し、レベル数が増加するほど少しずつ検索性能が高
くなることが分かるであろう。
で示したそれぞれの量子化方法を用いて画像を検索した
後、その結果を示す表である。図１１で示す数値は小さ
いほど（０に近いほど）高い検索結果を意味し、エラー
の大きさに比例する。表から分かるように従来の線形的
な単純量子化方法に比べて本発明は非常に高い検索性能
を示し、レベル数が増加するほど少しずつ検索性能が高
くなることが分かるであろう。
【００４９】図１２は本発明の第１実施形態で示した各
量子化方法を用いて互いに異なる量子化レベルで抽出さ
れた特徴要素間の類似度を計算して検索した後その結果
を示した図である。図１２から分かるように互いに異な
る量子化レベル間の相互運用性のテストからも高い検索
性能を示した。
量子化方法を用いて互いに異なる量子化レベルで抽出さ
れた特徴要素間の類似度を計算して検索した後その結果
を示した図である。図１２から分かるように互いに異な
る量子化レベル間の相互運用性のテストからも高い検索
性能を示した。
【００５０】このように、互いに異なるレベルで量子化
されたデータの検索時も前記の相互運用性によって最も
低いレベルで量子化されたときの検索性能を最小限保障
できる。検索性能は、参照画像レベルと対象レベルにお
いて、高低両レベルの検索結果で同一となるべきである
が、実際のハードウェアなどの他の要因によって演算過
程でわずかの差異が生じる。
されたデータの検索時も前記の相互運用性によって最も
低いレベルで量子化されたときの検索性能を最小限保障
できる。検索性能は、参照画像レベルと対象レベルにお
いて、高低両レベルの検索結果で同一となるべきである
が、実際のハードウェアなどの他の要因によって演算過
程でわずかの差異が生じる。
【００５１】例えば、参照画像レベルが１２０レベルで
カラー量子化され、対象画像は６４レベルで量子化され
た場合、図１１のように６４レベルの検索性能が得られ
るべきであるが、実際には図１２の通り検索性能結果が
得られるものである。
カラー量子化され、対象画像は６４レベルで量子化され
た場合、図１１のように６４レベルの検索性能が得られ
るべきであるが、実際には図１２の通り検索性能結果が
得られるものである。
【００５２】このような本発明の第１実施形態において
カラー量子化に用いられるｄｉｆｆ値とこれによって各
部分を分割する所定の常数は最高の検索性能を得るため
に実験によって得られる値である。また互いに異なる量
子化方法によってカラー量子化された画像の検索の場合
も基準となるカラー量子化レベルとこのように量子化さ
れたカラー領域に対して更に細かく分割するために順次
的に用いられるカラー量子化レベルまた実験によって得
られる結果値を用いるものである。
カラー量子化に用いられるｄｉｆｆ値とこれによって各
部分を分割する所定の常数は最高の検索性能を得るため
に実験によって得られる値である。また互いに異なる量
子化方法によってカラー量子化された画像の検索の場合
も基準となるカラー量子化レベルとこのように量子化さ
れたカラー領域に対して更に細かく分割するために順次
的に用いられるカラー量子化レベルまた実験によって得
られる結果値を用いるものである。
【００５３】本結果は、様々な量子化方法を用いても本
発明によって高い検索性能を常に保持することができ、
場所、時間にかかわらず存在する全てのマルチメディア
データの検索の可能性を示している。
発明によって高い検索性能を常に保持することができ、
場所、時間にかかわらず存在する全てのマルチメディア
データの検索の可能性を示している。
【００５４】第２実施形態 一方、本発明の第２実施形態においては、カラー量子化
レベルを２のべき数（２X）である２５６，１２８，６
４，３２レベルとなるようにする。最初ｄｉｆｆ値を分
割し、これらを基準に部分領域を再び分割して、相違し
た量子化レベルでも検索ができるようにしている。
レベルを２のべき数（２X）である２５６，１２８，６
４，３２レベルとなるようにする。最初ｄｉｆｆ値を分
割し、これらを基準に部分領域を再び分割して、相違し
た量子化レベルでも検索ができるようにしている。
【００５５】本発明の第２実施形態は、ＨＭＭＤカラー
スペースでのカラー情報を用いた画像検索システムで、
差分値（ｄｉｆｆ）が０〜２５５値の範囲を有すると
き、一つ以上の所定のｄｉｆｆ値を基準に、カラースペ
ースを一次分割する過程と、分割した各ｄｉｆｆ領域に
対してｓｕｍを基準に２X個（ｘは定数）に等分し、ｈ
ｕｅを基準に２y個（ｙは定数）に等分する過程とから
なるＨＭＭＤカラースペースに基づいたカラー量子化方
法とを特徴とする。
スペースでのカラー情報を用いた画像検索システムで、
差分値（ｄｉｆｆ）が０〜２５５値の範囲を有すると
き、一つ以上の所定のｄｉｆｆ値を基準に、カラースペ
ースを一次分割する過程と、分割した各ｄｉｆｆ領域に
対してｓｕｍを基準に２X個（ｘは定数）に等分し、ｈ
ｕｅを基準に２y個（ｙは定数）に等分する過程とから
なるＨＭＭＤカラースペースに基づいたカラー量子化方
法とを特徴とする。
【００５６】このような特徴を有する本発明の第２実施
形態は、まず、ｄｉｆｆが０から２５５までの範囲であ
るとき、ｄｉｆｆ軸に沿ってカラースペースを分割する
ためのｄｉｆｆ値を６，２０，６０，１１０に設定し、
このｄｉｆｆ値に基づき前記カラースペースを５つの部
分領域に分割する。そして、このように分割された各部
分領域をそれぞれＳ１，Ｓ２，Ｓ３，Ｓ４，Ｓ５とし、
分割した各領域（Ｓ１，Ｓ２，Ｓ３，Ｓ４，Ｓ５を再び
ｓｕｍを基準に２X個（ｘは定数）に等分し、ｈｕｅを
基準に２y個に等分することで、カラースペース領域を
多様なレベルに分割する。
形態は、まず、ｄｉｆｆが０から２５５までの範囲であ
るとき、ｄｉｆｆ軸に沿ってカラースペースを分割する
ためのｄｉｆｆ値を６，２０，６０，１１０に設定し、
このｄｉｆｆ値に基づき前記カラースペースを５つの部
分領域に分割する。そして、このように分割された各部
分領域をそれぞれＳ１，Ｓ２，Ｓ３，Ｓ４，Ｓ５とし、
分割した各領域（Ｓ１，Ｓ２，Ｓ３，Ｓ４，Ｓ５を再び
ｓｕｍを基準に２X個（ｘは定数）に等分し、ｈｕｅを
基準に２y個に等分することで、カラースペース領域を
多様なレベルに分割する。
【００５７】このとき、ｄｉｆｆ軸に沿って分割した領
域（Ｓ１，Ｓ２，Ｓ３，Ｓ４，Ｓ５）が同一であり、各
分割領域をｈｕｅとｓｕｍとを基準にして２のべき数を
満足する数、即ち２X，２y個などに等分する。すなわ
ち、２５６／１２８／６４／３２レベル量子化のうち一
つに変換して検索が可能となる。
域（Ｓ１，Ｓ２，Ｓ３，Ｓ４，Ｓ５）が同一であり、各
分割領域をｈｕｅとｓｕｍとを基準にして２のべき数を
満足する数、即ち２X，２y個などに等分する。すなわ
ち、２５６／１２８／６４／３２レベル量子化のうち一
つに変換して検索が可能となる。
【００５８】以下、かかる本発明の第２実施形態を添付
の図面を参照して詳細に説明する。図１３は本発明の第
２実施形態におけるＨＭＭＤカラースペースでＭＭＤ断
面から見た２５６レベルの量子化方法を示す。分割され
るカラー量子化レベルが２５６である場合に、ｄｉｆｆ
値６，２０，６０，１１０を基準に前記カラースペース
を５つの部分領域に１次分割し、これをＳ１０１，Ｓ１
０２，Ｓ１０３，Ｓ１０４，Ｓ１０５とする。そして、
前記領域（Ｓ１０１〜Ｓ１０５）を再びｓｕｍ軸とｈｕ
ｅ軸とを基準にして各々２のべき数となるように等分す
る。
の図面を参照して詳細に説明する。図１３は本発明の第
２実施形態におけるＨＭＭＤカラースペースでＭＭＤ断
面から見た２５６レベルの量子化方法を示す。分割され
るカラー量子化レベルが２５６である場合に、ｄｉｆｆ
値６，２０，６０，１１０を基準に前記カラースペース
を５つの部分領域に１次分割し、これをＳ１０１，Ｓ１
０２，Ｓ１０３，Ｓ１０４，Ｓ１０５とする。そして、
前記領域（Ｓ１０１〜Ｓ１０５）を再びｓｕｍ軸とｈｕ
ｅ軸とを基準にして各々２のべき数となるように等分す
る。
【００５９】即ち、前記領域Ｓ１０１はｓｕｍ軸を基準
に３２等分して、前記領域Ｓ１０１を３２個の部分領域
に分割する。前記領域１０２はｓｕｍ軸を基準に８等分
し、それぞれを再びｈｕｅ軸を基準に４等分して、前記
領域Ｓ１０２を３２個の部分領域に分割する。前記領域
Ｓ１０３はｓｕｍ軸を基準に４等分し、それぞれを再び
ｈｕｅ軸を基準に１６等分して、前記領域Ｓ１０３を６
４個の部分領域に分割する。前記領域Ｓ１０４はｓｕｍ
軸を基準に４等分し、それぞれを再びｈｕｅ軸を基準に
１６等分して、前記領域Ｓ１０４を６４個の部分領域に
分割する。前記領域Ｓ１０５はｓｕｍ軸を基準に４等分
し、それぞれを再びｈｕｅ軸を基準に１６等分して、前
記領域Ｓ１０５を６４個の部分領域に分割する。従っ
て、前記カラースペースを２５６個の部分領域、即ち、
２５６レベルに分割することになる。
に３２等分して、前記領域Ｓ１０１を３２個の部分領域
に分割する。前記領域１０２はｓｕｍ軸を基準に８等分
し、それぞれを再びｈｕｅ軸を基準に４等分して、前記
領域Ｓ１０２を３２個の部分領域に分割する。前記領域
Ｓ１０３はｓｕｍ軸を基準に４等分し、それぞれを再び
ｈｕｅ軸を基準に１６等分して、前記領域Ｓ１０３を６
４個の部分領域に分割する。前記領域Ｓ１０４はｓｕｍ
軸を基準に４等分し、それぞれを再びｈｕｅ軸を基準に
１６等分して、前記領域Ｓ１０４を６４個の部分領域に
分割する。前記領域Ｓ１０５はｓｕｍ軸を基準に４等分
し、それぞれを再びｈｕｅ軸を基準に１６等分して、前
記領域Ｓ１０５を６４個の部分領域に分割する。従っ
て、前記カラースペースを２５６個の部分領域、即ち、
２５６レベルに分割することになる。
【００６０】そして、図１４は本発明の第２実施形態に
よる１２８レベルの量子化方法を示している。分割され
るカラー量子化レベルを１２８レベルとした場合、ｄｉ
ｆｆ値６，２０，６０，１１０を基準に前記カラースペ
ースを５つの部分領域に１次分割し、これをＳ１１１，
Ｓ１１２，Ｓ１１３，Ｓ１１４，Ｓ１１５とする。そし
て、前記領域Ｓ１１１〜Ｓ１１５を再びｓｕｍ軸とｈｕ
ｅ軸を基準に各々２のべき数で示される数に等分する。
よる１２８レベルの量子化方法を示している。分割され
るカラー量子化レベルを１２８レベルとした場合、ｄｉ
ｆｆ値６，２０，６０，１１０を基準に前記カラースペ
ースを５つの部分領域に１次分割し、これをＳ１１１，
Ｓ１１２，Ｓ１１３，Ｓ１１４，Ｓ１１５とする。そし
て、前記領域Ｓ１１１〜Ｓ１１５を再びｓｕｍ軸とｈｕ
ｅ軸を基準に各々２のべき数で示される数に等分する。
【００６１】即ち、前記領域Ｓ１１１はｓｕｍ軸を基準
に１６等分して、前記領域Ｓ１１１を１６個の部分領域
に分割する。前記領域Ｓ１１２はｓｕｍ軸を基準に４等
分し、それぞれを再びｈｕｅ軸を基準に４等分して、前
記領域Ｓ１１２を１６個の部分領域に分割する。前記領
域Ｓ１１３はｓｕｍ軸を基準に４等分し、それぞれを再
びｈｕｅ軸を基準に８等分して、前記領域Ｓ１１３を３
２個の部分領域に分割する。前記領域Ｓ１１４はｓｕｍ
軸を基準に４等分し、それぞれを再びｈｕｅ軸を基準に
８等分して、前記領域Ｓ１１４を３２個の部分領域に分
割する。前記領域Ｓ１１５はｓｕｍ軸を基準に４等分
し、それぞれを再びｈｕｅ軸を基準に８等分して、前記
領域Ｓ１１５を３２個の部分領域に分割する。従って、
カラースペースを１２８個の部分領域に分割したことに
なる。
に１６等分して、前記領域Ｓ１１１を１６個の部分領域
に分割する。前記領域Ｓ１１２はｓｕｍ軸を基準に４等
分し、それぞれを再びｈｕｅ軸を基準に４等分して、前
記領域Ｓ１１２を１６個の部分領域に分割する。前記領
域Ｓ１１３はｓｕｍ軸を基準に４等分し、それぞれを再
びｈｕｅ軸を基準に８等分して、前記領域Ｓ１１３を３
２個の部分領域に分割する。前記領域Ｓ１１４はｓｕｍ
軸を基準に４等分し、それぞれを再びｈｕｅ軸を基準に
８等分して、前記領域Ｓ１１４を３２個の部分領域に分
割する。前記領域Ｓ１１５はｓｕｍ軸を基準に４等分
し、それぞれを再びｈｕｅ軸を基準に８等分して、前記
領域Ｓ１１５を３２個の部分領域に分割する。従って、
カラースペースを１２８個の部分領域に分割したことに
なる。
【００６２】図１５は本発明の第２実施形態において６
４レベルに量子化する方法を示している。分割するカラ
ー量子化レベルが６４である場合、ｄｉｆｆ値６，２
０，６０，１１０を基準に前記カラースペースを５つの
部分領域に１次分割し、これをＳ１２１，Ｓ１２２，Ｓ
１２３，Ｓ１２４，Ｓ１２５とする。そして、前記領域
Ｓ１２１〜Ｓ１２５を再びｓｕｍ軸とｈｕｅ軸を基準に
各々２べき数で示されるように等分する。
４レベルに量子化する方法を示している。分割するカラ
ー量子化レベルが６４である場合、ｄｉｆｆ値６，２
０，６０，１１０を基準に前記カラースペースを５つの
部分領域に１次分割し、これをＳ１２１，Ｓ１２２，Ｓ
１２３，Ｓ１２４，Ｓ１２５とする。そして、前記領域
Ｓ１２１〜Ｓ１２５を再びｓｕｍ軸とｈｕｅ軸を基準に
各々２べき数で示されるように等分する。
【００６３】即ち、前記領域Ｓ１２１はｓｕｍ軸を基準
に８等分して、前記領域Ｓ１２１を８個の部分領域に分
割する。前記領域Ｓ１２２はｓｕｍ軸を基準に４等分
し、それぞれを再びｈｕｅ軸を基準に４等分して、前記
領域Ｓ１２２を１６個の部分領域に分割する。前記領域
Ｓ１２３はｓｕｍ軸を基準に４等分し、それぞれを再び
ｈｕｅ軸を基準に４等分して、前記領域Ｓ１２３を１６
個の部分領域に分割する。前記領域Ｓ１２４はｓｕｍ軸
を基準に２等分し、それぞれを再びｈｕｅ軸を基準に８
等分して、前記領域Ｓ１２４を１６個の部分領域に分割
する。前記領域Ｓ１２５はｈｕｅ軸を基準に８等分し
て、前記領域Ｓ１２５を８個の部分領域に分割する。従
って、前記カラースペースを全て６４個の部分領域に分
割することになる。
に８等分して、前記領域Ｓ１２１を８個の部分領域に分
割する。前記領域Ｓ１２２はｓｕｍ軸を基準に４等分
し、それぞれを再びｈｕｅ軸を基準に４等分して、前記
領域Ｓ１２２を１６個の部分領域に分割する。前記領域
Ｓ１２３はｓｕｍ軸を基準に４等分し、それぞれを再び
ｈｕｅ軸を基準に４等分して、前記領域Ｓ１２３を１６
個の部分領域に分割する。前記領域Ｓ１２４はｓｕｍ軸
を基準に２等分し、それぞれを再びｈｕｅ軸を基準に８
等分して、前記領域Ｓ１２４を１６個の部分領域に分割
する。前記領域Ｓ１２５はｈｕｅ軸を基準に８等分し
て、前記領域Ｓ１２５を８個の部分領域に分割する。従
って、前記カラースペースを全て６４個の部分領域に分
割することになる。
【００６４】図１６は本発明の第２実施形態における３
２レベルのカラー量子化方法を示している。３２レベル
のカラー量子化ではｄｉｆｆ値６，６０，１１０を基準
に前記カラースペースを４つの部分領域に１次分割し、
これをＳ１３１，Ｓ１３２，Ｓ１３３，Ｓ１３４とす
る。そして、前記領域Ｓ１３１〜Ｓ１３４を再びｓｕｍ
軸とｈｕｅ軸を基準に各々２のべき数で示されるように
等分する。
２レベルのカラー量子化方法を示している。３２レベル
のカラー量子化ではｄｉｆｆ値６，６０，１１０を基準
に前記カラースペースを４つの部分領域に１次分割し、
これをＳ１３１，Ｓ１３２，Ｓ１３３，Ｓ１３４とす
る。そして、前記領域Ｓ１３１〜Ｓ１３４を再びｓｕｍ
軸とｈｕｅ軸を基準に各々２のべき数で示されるように
等分する。
【００６５】即ち、前記領域Ｓ１３１をｓｕｍ軸を基準
に８等分して８個の部分領域に分割する。前記領域Ｓ１
３２はｓｕｍ軸を基準に４等分し、それぞれを再びｈｕ
ｅ軸を基準に４等分して、前記領域Ｓ１３２を１６個の
部分領域に分割する。前記領域Ｓ１３３はｈｕｅ軸を基
準に４等分して４個の部分領域に分割する。前記領域Ｓ
１３４はｈｕｅ軸を基準に４等分して４個の部分領域に
分割する。従って、前記カラースペースを３２個の部分
領域に分割したことになる。このとき、前述したよう
に、本発明の第２実施形態においても、最もｄｉｆｆの
低い領域、彩度の低いグレイ領域に対しては分割せず、
明るさ、即ち、ｓｕｍを基準にしてのみ分割する。
に８等分して８個の部分領域に分割する。前記領域Ｓ１
３２はｓｕｍ軸を基準に４等分し、それぞれを再びｈｕ
ｅ軸を基準に４等分して、前記領域Ｓ１３２を１６個の
部分領域に分割する。前記領域Ｓ１３３はｈｕｅ軸を基
準に４等分して４個の部分領域に分割する。前記領域Ｓ
１３４はｈｕｅ軸を基準に４等分して４個の部分領域に
分割する。従って、前記カラースペースを３２個の部分
領域に分割したことになる。このとき、前述したよう
に、本発明の第２実施形態においても、最もｄｉｆｆの
低い領域、彩度の低いグレイ領域に対しては分割せず、
明るさ、即ち、ｓｕｍを基準にしてのみ分割する。
【００６６】図１７はかかる本発明の第２実施形態で説
明した各量子化方法を用いて画像検索を行った後、その
結果を示す図である。
明した各量子化方法を用いて画像検索を行った後、その
結果を示す図である。
【００６７】図１８は本発明の第２実施形態で説明した
各量子化方法を用いて、互いに異なる量子化レベルで取
り出された特徴要素間の類似度を計算し検索した後、そ
の結果を示す図である。
各量子化方法を用いて、互いに異なる量子化レベルで取
り出された特徴要素間の類似度を計算し検索した後、そ
の結果を示す図である。
【００６８】このような本発明の第２実施形態におい
て、カラー量子化に用いられるｄｉｆｆ値と、これによ
って各領域を分割する２のべき数は最高の検索性能を目
指して実験により得られる値である。
て、カラー量子化に用いられるｄｉｆｆ値と、これによ
って各領域を分割する２のべき数は最高の検索性能を目
指して実験により得られる値である。
【００６９】本発明はカラー量子化の時、まず、基準と
なるレベルのカラー量子化を行った後、そのカラー量子
化で分割された各部分領域を更に細く分割することでよ
り大きなレベルのカラー量子化を行うか、又は、前記カ
ラー量子化で分割した各部分領域を併合してより小さい
レベルのカラー量子化を行うこともできる。
なるレベルのカラー量子化を行った後、そのカラー量子
化で分割された各部分領域を更に細く分割することでよ
り大きなレベルのカラー量子化を行うか、又は、前記カ
ラー量子化で分割した各部分領域を併合してより小さい
レベルのカラー量子化を行うこともできる。
【００７０】一例に、基準の量子化レベルを３２とし、
これから６４，１２８，２５６レベルの順に、先に分割
された領域を細分して分割することができる。また、逆
に、基準の量子化レベルを２５６とし、これから１２
８，６４，３２レベルの順に、先に分割された領域を小
さいレベルに分割することもできる。
これから６４，１２８，２５６レベルの順に、先に分割
された領域を細分して分割することができる。また、逆
に、基準の量子化レベルを２５６とし、これから１２
８，６４，３２レベルの順に、先に分割された領域を小
さいレベルに分割することもできる。
【００７１】基準レベルに量子化した部分領域を再び細
分化し、大きなレベルに量子化する前者の場合は、ｄｉ
ｆｆ，ｓｕｍ，ｈｕｅを用いて、基準となるレベルのカ
ラー量子化を行い、前記カラースペースを基準のレベル
に分割する過程と、前記過程でカラー量子化に分割され
た各部分領域のうち、一つ以上の部分領域をｄｉｆｆ，
ｓｕｍ，ｈｕｅ，ｍｉｎ，ｍａｘの一つ以上の組み合わ
せにより更に細分して分割してより大きなレベルのカラ
ー量子化を行う過程と、を有することを特徴とする。
分化し、大きなレベルに量子化する前者の場合は、ｄｉ
ｆｆ，ｓｕｍ，ｈｕｅを用いて、基準となるレベルのカ
ラー量子化を行い、前記カラースペースを基準のレベル
に分割する過程と、前記過程でカラー量子化に分割され
た各部分領域のうち、一つ以上の部分領域をｄｉｆｆ，
ｓｕｍ，ｈｕｅ，ｍｉｎ，ｍａｘの一つ以上の組み合わ
せにより更に細分して分割してより大きなレベルのカラ
ー量子化を行う過程と、を有することを特徴とする。
【００７２】このとき、前記過程で基準となるカラー量
子化レベルは３２であり、差分値（ｄｉｆｆ）が０から
２５５までの範囲内の場合、カラースペースを基準レベ
ルに分割するために指定されたｄｉｆｆ値はそれぞれ
６，６０，１１０であり、このｄｉｆｆ値によって前記
カラースペースは４つの部分領域に１次分割される。こ
のとき、前記部分領域をＳ１３１，Ｓ１３２，Ｓ１３
３，Ｓ１３４とする。そして、前記領域Ｓ１３１〜Ｓ１
３４を再びｓｕｍ軸とｈｕｅ軸を基準に各々２のべき数
として示されるように等分して、前記カラースペースを
基準レベルの３２レベルに分割する。部分領域Ｓ１３
１，Ｓ１３２，Ｓ１３３，Ｓ１３４を３２レベルに分割
する過程は、本発明の第２実施形態における３２レベル
の量子化方法と同様であり、詳細な説明は省略する。
子化レベルは３２であり、差分値（ｄｉｆｆ）が０から
２５５までの範囲内の場合、カラースペースを基準レベ
ルに分割するために指定されたｄｉｆｆ値はそれぞれ
６，６０，１１０であり、このｄｉｆｆ値によって前記
カラースペースは４つの部分領域に１次分割される。こ
のとき、前記部分領域をＳ１３１，Ｓ１３２，Ｓ１３
３，Ｓ１３４とする。そして、前記領域Ｓ１３１〜Ｓ１
３４を再びｓｕｍ軸とｈｕｅ軸を基準に各々２のべき数
として示されるように等分して、前記カラースペースを
基準レベルの３２レベルに分割する。部分領域Ｓ１３
１，Ｓ１３２，Ｓ１３３，Ｓ１３４を３２レベルに分割
する過程は、本発明の第２実施形態における３２レベル
の量子化方法と同様であり、詳細な説明は省略する。
【００７３】そして、より大きなレベルのカラー量子化
を行う過程のうち、３２レベルから６４レベルにカラー
量子化を行う方法は、領域Ｓ１３２をｄｉｆｆ値２０を
基準に再び二つの部分領域Ｓ１３２−１，Ｓ１３２−２
に分割した後、これらの部分領域Ｓ１３２−１，Ｓ１３
２−２をそれぞれｓｕｍ軸を基準に４等分し、ｈｕｅ軸
は４等分したものをそのまま維持して、前記領域Ｓ１３
２を３２個の部分領域に分割する。前記領域Ｓ１３１は
ｓｕｍ軸を基準に３２レベルで８等分したものをそのま
ま維持する。前記領域Ｓ１３３はｓｕｍ軸を基準に２等
分し、それぞれを再びｈｕｅ軸を基準に８等分して、領
域Ｓ１３３を１６個の部分領域に細分化する。即ち、領
域Ｓ１３３は３２レベルではｈｕｅ軸を基準に４等分し
ているが、６４レベルでは８等分する。領域Ｓ１３４は
ｈｕｅ軸を基準に３２レベルで４等分したものを８等分
して、領域Ｓ１３４を８個の部分領域に細分化する。従
って、前記カラースペースを３２レベルから６４レベル
に分割することになる。
を行う過程のうち、３２レベルから６４レベルにカラー
量子化を行う方法は、領域Ｓ１３２をｄｉｆｆ値２０を
基準に再び二つの部分領域Ｓ１３２−１，Ｓ１３２−２
に分割した後、これらの部分領域Ｓ１３２−１，Ｓ１３
２−２をそれぞれｓｕｍ軸を基準に４等分し、ｈｕｅ軸
は４等分したものをそのまま維持して、前記領域Ｓ１３
２を３２個の部分領域に分割する。前記領域Ｓ１３１は
ｓｕｍ軸を基準に３２レベルで８等分したものをそのま
ま維持する。前記領域Ｓ１３３はｓｕｍ軸を基準に２等
分し、それぞれを再びｈｕｅ軸を基準に８等分して、領
域Ｓ１３３を１６個の部分領域に細分化する。即ち、領
域Ｓ１３３は３２レベルではｈｕｅ軸を基準に４等分し
ているが、６４レベルでは８等分する。領域Ｓ１３４は
ｈｕｅ軸を基準に３２レベルで４等分したものを８等分
して、領域Ｓ１３４を８個の部分領域に細分化する。従
って、前記カラースペースを３２レベルから６４レベル
に分割することになる。
【００７４】より大きなレベルのカラー量子化を行う過
程のうち、６４レベルから１２８レベルにカラー量子化
を行う方法は、領域Ｓ１３１はｓｕｍ軸を基準に６４レ
ベルで８等分したものを１６等分して、領域Ｓ１３１を
１６個の部分領域に細分化する。領域Ｓ１３２−１は６
４レベルでｓｕｍ軸を基準に４等分し、ｈｕｅ軸を基準
に４等分したものをそのまま維持する。領域Ｓ１３２−
２はｓｕｍ軸を基準に６４レベルで４等分したものをそ
のまま維持し、それぞれを再びｈｕｅ軸を基準に６４レ
ベルで４等分したものを８等分して、領域Ｓ１３２ー２
を３２個の部分領域に細分化し、領域Ｓ１３３はｈｕｅ
軸を基準に８等分したものをそのまま維持し、それぞれ
を再びｓｕｍ軸を基準に６４レベルで２等分したものを
４等分して、領域Ｓ１３３を３２個の部分領域に細分化
する。領域Ｓ１３４はｈｕｅ軸を基準に８等分したもの
をそのまま維持し、それぞれを再びｓｕｍ軸を基準に４
等分して、領域Ｓ１３４を３２個の部分領域に細分化す
る。従って、カラースペースを６４レベルから１２８レ
ベルに分割することになる。
程のうち、６４レベルから１２８レベルにカラー量子化
を行う方法は、領域Ｓ１３１はｓｕｍ軸を基準に６４レ
ベルで８等分したものを１６等分して、領域Ｓ１３１を
１６個の部分領域に細分化する。領域Ｓ１３２−１は６
４レベルでｓｕｍ軸を基準に４等分し、ｈｕｅ軸を基準
に４等分したものをそのまま維持する。領域Ｓ１３２−
２はｓｕｍ軸を基準に６４レベルで４等分したものをそ
のまま維持し、それぞれを再びｈｕｅ軸を基準に６４レ
ベルで４等分したものを８等分して、領域Ｓ１３２ー２
を３２個の部分領域に細分化し、領域Ｓ１３３はｈｕｅ
軸を基準に８等分したものをそのまま維持し、それぞれ
を再びｓｕｍ軸を基準に６４レベルで２等分したものを
４等分して、領域Ｓ１３３を３２個の部分領域に細分化
する。領域Ｓ１３４はｈｕｅ軸を基準に８等分したもの
をそのまま維持し、それぞれを再びｓｕｍ軸を基準に４
等分して、領域Ｓ１３４を３２個の部分領域に細分化す
る。従って、カラースペースを６４レベルから１２８レ
ベルに分割することになる。
【００７５】より大きなレベルのカラー量子化を行う過
程のうち、１２８レベルから２５６レベルにカラー量子
化を行う方法は、領域Ｓ１３１はｓｕｍ軸を基準に１２
８レベルでは１６等分したものを３２等分して、領域Ｓ
１３１を３２個の部分領域に細分化する。領域Ｓ１３２
−１はｈｕｅ軸を基準に４等分したものをそのまま維持
し、それぞれを再びｓｕｍ軸を基準に１２８レベルで４
等分したものを８等分して、領域Ｓ１３２ー１を３２個
の部分領域に細分化する。領域Ｓ１３２−２はｓｕｍ軸
を基準に４等分したものをそのまま維持し、それぞれを
再びｈｕｅ軸を基準に１２８レベルで８等分したものを
１６等分して、領域Ｓ１３２ー２を６４個の部分領域に
細分化する。領域Ｓ１３３はｓｕｍ軸を基準に４等分し
たものをそのまま維持し、それぞれを再びｈｕｅ軸を基
準に１２８レベルで８等分したものを１６等分して、領
域Ｓ１３３を６４個の部分領域に細分化する。領域Ｓ１
３４はｓｕｍ軸を基準に４等分したものをそのまま維持
し、それぞれを再びｈｕｅ軸を基準に１２８レベルで８
等分したものを１６等分して、領域Ｓ１３４を６４個の
部分領域に細分化する。従って、カラースペースを１２
８レベルから２５６レベルに分割することになる。
程のうち、１２８レベルから２５６レベルにカラー量子
化を行う方法は、領域Ｓ１３１はｓｕｍ軸を基準に１２
８レベルでは１６等分したものを３２等分して、領域Ｓ
１３１を３２個の部分領域に細分化する。領域Ｓ１３２
−１はｈｕｅ軸を基準に４等分したものをそのまま維持
し、それぞれを再びｓｕｍ軸を基準に１２８レベルで４
等分したものを８等分して、領域Ｓ１３２ー１を３２個
の部分領域に細分化する。領域Ｓ１３２−２はｓｕｍ軸
を基準に４等分したものをそのまま維持し、それぞれを
再びｈｕｅ軸を基準に１２８レベルで８等分したものを
１６等分して、領域Ｓ１３２ー２を６４個の部分領域に
細分化する。領域Ｓ１３３はｓｕｍ軸を基準に４等分し
たものをそのまま維持し、それぞれを再びｈｕｅ軸を基
準に１２８レベルで８等分したものを１６等分して、領
域Ｓ１３３を６４個の部分領域に細分化する。領域Ｓ１
３４はｓｕｍ軸を基準に４等分したものをそのまま維持
し、それぞれを再びｈｕｅ軸を基準に１２８レベルで８
等分したものを１６等分して、領域Ｓ１３４を６４個の
部分領域に細分化する。従って、カラースペースを１２
８レベルから２５６レベルに分割することになる。
【００７６】一方、基準レベルに量子化された部分領域
を併合して、更に小さいレベルに量子化する後者の場合
は、ｄｉｆｆ，ｓｕｍ，ｈｕｅを用いて、基準となるレ
ベルのカラー量子化を行い、カラースペースを基準のレ
ベルに分割する過程と、その過程でカラー量子化に分割
された各部分領域のうち、一つ以上の部分領域を併合す
ることにより、より小さいレベルのカラー量子化を行う
過程とを有することを特徴とする。
を併合して、更に小さいレベルに量子化する後者の場合
は、ｄｉｆｆ，ｓｕｍ，ｈｕｅを用いて、基準となるレ
ベルのカラー量子化を行い、カラースペースを基準のレ
ベルに分割する過程と、その過程でカラー量子化に分割
された各部分領域のうち、一つ以上の部分領域を併合す
ることにより、より小さいレベルのカラー量子化を行う
過程とを有することを特徴とする。
【００７７】このとき、前記過程で基準となるカラー量
子化レベルは２５６であり、差分値（ｄｉｆｆ）が０〜
２５５の範囲を有する場合、前記過程でカラースペース
を基準レベルに分割するために指定されたｄｉｆｆ値は
それぞれ６，２０，６０，１１０であり、このｄｉｆｆ
値によってカラースペースは４つの部分領域に１次分割
される。このとき、部分領域をＳ１０１，Ｓ１０２，Ｓ
１０３，Ｓ１０４，Ｓ１０５とする。そして、領域Ｓ１
０１〜Ｓ１０５を再びｓｕｍ軸とｈｕｅ軸を基準に各々
２のべき数で示されるように等分して、カラースペース
を基準レベルの２５６レベルに分割する。部分領域Ｓ１
０１，Ｓ１０２，Ｓ１０３，Ｓ１０４，Ｓ１０５を２５
６レベルに分割する過程は、本発明の第２実施形態にお
ける２５６レベルの量子化方法と同様であり、詳細な説
明は省略する。
子化レベルは２５６であり、差分値（ｄｉｆｆ）が０〜
２５５の範囲を有する場合、前記過程でカラースペース
を基準レベルに分割するために指定されたｄｉｆｆ値は
それぞれ６，２０，６０，１１０であり、このｄｉｆｆ
値によってカラースペースは４つの部分領域に１次分割
される。このとき、部分領域をＳ１０１，Ｓ１０２，Ｓ
１０３，Ｓ１０４，Ｓ１０５とする。そして、領域Ｓ１
０１〜Ｓ１０５を再びｓｕｍ軸とｈｕｅ軸を基準に各々
２のべき数で示されるように等分して、カラースペース
を基準レベルの２５６レベルに分割する。部分領域Ｓ１
０１，Ｓ１０２，Ｓ１０３，Ｓ１０４，Ｓ１０５を２５
６レベルに分割する過程は、本発明の第２実施形態にお
ける２５６レベルの量子化方法と同様であり、詳細な説
明は省略する。
【００７８】そして、より小さいレベルのカラー量子化
を行う過程のうち、２５６レベルから１２８レベルにカ
ラー量子化を行う方法は、領域Ｓ１０１はｓｕｍ軸を基
準に２５６レベルでは３２等分したものを１６等分し
て、領域Ｓ１０１の量子化レベルを１６レベルに減ら
す。領域Ｓ１０２はｈｕｅ軸を基準に２５６レベルで４
等分したものをそのまま維持し、それぞれを再びｓｕｍ
軸を基準に２５６レベルで８等分したものを４等分し
て、領域Ｓ１０２の量子化レベルを１６レベルに減ら
す。領域Ｓ１０３はｓｕｍ軸を基準に２５６レベルで４
等分したものをそのまま維持し、それぞれを再びｈｕｅ
軸を基準に２５６レベルで１６等分したものを８等分し
て、領域Ｓ１０３の量子化レベルを３２レベルに減ら
す。領域Ｓ１０４はｓｕｍ軸を基準に２５６レベルで４
等分したものをそのまま維持し、それぞれを再びｈｕｅ
軸を基準に２５６レベルで１６等分したものを８等分し
て、領域Ｓ１０４の量子化レベルを３２レベルに減ら
す。領域Ｓ１０５はｓｕｍ軸を基準に２５６レベルで４
等分したものをそのまま維持し、それぞれを再びｈｕｅ
軸を基準に２５６レベルで１６等分したものを８等分し
て、領域Ｓ１０５の量子化レベルを３２レベルに減ら
す。 従って、カラースペースを２５６レベルから１２
８レベルに分割することになる。
を行う過程のうち、２５６レベルから１２８レベルにカ
ラー量子化を行う方法は、領域Ｓ１０１はｓｕｍ軸を基
準に２５６レベルでは３２等分したものを１６等分し
て、領域Ｓ１０１の量子化レベルを１６レベルに減ら
す。領域Ｓ１０２はｈｕｅ軸を基準に２５６レベルで４
等分したものをそのまま維持し、それぞれを再びｓｕｍ
軸を基準に２５６レベルで８等分したものを４等分し
て、領域Ｓ１０２の量子化レベルを１６レベルに減ら
す。領域Ｓ１０３はｓｕｍ軸を基準に２５６レベルで４
等分したものをそのまま維持し、それぞれを再びｈｕｅ
軸を基準に２５６レベルで１６等分したものを８等分し
て、領域Ｓ１０３の量子化レベルを３２レベルに減ら
す。領域Ｓ１０４はｓｕｍ軸を基準に２５６レベルで４
等分したものをそのまま維持し、それぞれを再びｈｕｅ
軸を基準に２５６レベルで１６等分したものを８等分し
て、領域Ｓ１０４の量子化レベルを３２レベルに減ら
す。領域Ｓ１０５はｓｕｍ軸を基準に２５６レベルで４
等分したものをそのまま維持し、それぞれを再びｈｕｅ
軸を基準に２５６レベルで１６等分したものを８等分し
て、領域Ｓ１０５の量子化レベルを３２レベルに減ら
す。 従って、カラースペースを２５６レベルから１２
８レベルに分割することになる。
【００７９】より小さいレベルのカラー量子化を行う過
程のうち、１２８レベルから６４レベルでカラー量子化
を行う方法は、領域Ｓ１０１はｓｕｍ軸を基準に１２８
レベルでは１６等分したものを８等分して、領域Ｓ１０
１の量子化レベルを８レベルに減らす。領域Ｓ１０２は
ｓｕｍ軸を基準に４等分したものと、ｈｕｅ軸を基準に
４等分したものをそのまま維持する。領域Ｓ１０３はｓ
ｕｍ軸を基準に４等分したものをそのまま維持し、それ
ぞれを再びｈｕｅ軸を基準に１２８レベルで８等分した
ものを４等分して、領域Ｓ１０３の量子化レベルを１６
レベルに減らす。領域Ｓ１０４はｈｕｅ軸を基準に８等
分したものをそのまま維持し、それぞれを再びｓｕｍ軸
を基準に１２８レベルで４等分したものを２等分して、
領域Ｓ１０４の量子化レベルを１６レベルに減らす。領
域Ｓ１０５はｈｕｅ軸を基準に８等分したものをそのま
ま維持し、ｓｕｍ軸は１２８レベルで４等分したものを
１等分して、領域Ｓ１０５の量子化レベルを８レベルに
減らす。従って、カラースペースを１２８レベルから６
４レベルに分割することになる。
程のうち、１２８レベルから６４レベルでカラー量子化
を行う方法は、領域Ｓ１０１はｓｕｍ軸を基準に１２８
レベルでは１６等分したものを８等分して、領域Ｓ１０
１の量子化レベルを８レベルに減らす。領域Ｓ１０２は
ｓｕｍ軸を基準に４等分したものと、ｈｕｅ軸を基準に
４等分したものをそのまま維持する。領域Ｓ１０３はｓ
ｕｍ軸を基準に４等分したものをそのまま維持し、それ
ぞれを再びｈｕｅ軸を基準に１２８レベルで８等分した
ものを４等分して、領域Ｓ１０３の量子化レベルを１６
レベルに減らす。領域Ｓ１０４はｈｕｅ軸を基準に８等
分したものをそのまま維持し、それぞれを再びｓｕｍ軸
を基準に１２８レベルで４等分したものを２等分して、
領域Ｓ１０４の量子化レベルを１６レベルに減らす。領
域Ｓ１０５はｈｕｅ軸を基準に８等分したものをそのま
ま維持し、ｓｕｍ軸は１２８レベルで４等分したものを
１等分して、領域Ｓ１０５の量子化レベルを８レベルに
減らす。従って、カラースペースを１２８レベルから６
４レベルに分割することになる。
【００８０】より小さいレベルのカラー量子化を行う過
程のうち、６４レベルから３２レベルにカラー量子化を
行う方法は、領域Ｓ１０１はｓｕｍ軸を基準に６４レベ
ルで８等分したものをそのまま維持する。領域Ｓ１０２
と領域Ｓ１０３とを併合し、その併合した領域はｈｕｅ
軸を基準に４等分したものをそのまま維持し、それぞれ
を再びｓｕｍ軸を基準に２等分して、併合した領域の量
子化レベルを８レベルに減らす。領域Ｓ１０４はｓｕｍ
軸を基準に６４レベルで２等分したものを１等分し、ｈ
ｕｅ軸を基準に６４レベルで８等分したものを４等分し
て、領域Ｓ１０４の量子化レベルを４レベルに減らす。
領域Ｓ１０５はｓｕｍ軸を基準に１等分したものをその
まま維持し、ｈｕｅ軸を基準に６４レベルで８等分した
ものを４等分して、領域Ｓ１０５の量子化レベルを４レ
ベルに減らす。従って、カラースペースを６４レベルか
ら３２レベルに分割することになる。
程のうち、６４レベルから３２レベルにカラー量子化を
行う方法は、領域Ｓ１０１はｓｕｍ軸を基準に６４レベ
ルで８等分したものをそのまま維持する。領域Ｓ１０２
と領域Ｓ１０３とを併合し、その併合した領域はｈｕｅ
軸を基準に４等分したものをそのまま維持し、それぞれ
を再びｓｕｍ軸を基準に２等分して、併合した領域の量
子化レベルを８レベルに減らす。領域Ｓ１０４はｓｕｍ
軸を基準に６４レベルで２等分したものを１等分し、ｈ
ｕｅ軸を基準に６４レベルで８等分したものを４等分し
て、領域Ｓ１０４の量子化レベルを４レベルに減らす。
領域Ｓ１０５はｓｕｍ軸を基準に１等分したものをその
まま維持し、ｈｕｅ軸を基準に６４レベルで８等分した
ものを４等分して、領域Ｓ１０５の量子化レベルを４レ
ベルに減らす。従って、カラースペースを６４レベルか
ら３２レベルに分割することになる。
【００８１】かかる本発明の第２実施形態において、２
Xに表現可能なカラー量子化レベルでＨＭＭＤカラース
ペース領域を量子化して検索に用いることにより、第１
実施形態より拡張性が向上し、検索性能を更に向上させ
ることができる。
Xに表現可能なカラー量子化レベルでＨＭＭＤカラース
ペース領域を量子化して検索に用いることにより、第１
実施形態より拡張性が向上し、検索性能を更に向上させ
ることができる。
【００８２】
【発明の効果】以上で説明したように、本発明は画像検
索などマルチメディア検索において、最も重要とされて
いるカラー情報の効果的な使用のために、ＨＭＭＤとい
う検索に優れたカラースペースを使用しており、特に、
少数のカラーレベルで量子化を行っても高い検索性能が
得られる。
索などマルチメディア検索において、最も重要とされて
いるカラー情報の効果的な使用のために、ＨＭＭＤとい
う検索に優れたカラースペースを使用しており、特に、
少数のカラーレベルで量子化を行っても高い検索性能が
得られる。
【００８３】従って、本発明によれば、検索に必要な特
徴要素の空間を少なく使用しても高い検索性能が得られ
るだけでなく、ＭＰＥＧ−７のような検索関連の標準化
活動を通じて最も適切なカラー量子化方法を標準化する
ことにより、サーバーに係わらず、高い検索性能を可能
とする。また、本発明は相違した量子化方法を各用途に
合うように使用しても、これに係わらず、互いに比較、
検索が可能であるように相互の運用性が保障される量子
化方法を提案することにより、標準化の意味に合うよう
なカラーに基づいたマルチメディア検索の方法及び、特
徴要素の構造を解決できるような方案が提示される。
徴要素の空間を少なく使用しても高い検索性能が得られ
るだけでなく、ＭＰＥＧ−７のような検索関連の標準化
活動を通じて最も適切なカラー量子化方法を標準化する
ことにより、サーバーに係わらず、高い検索性能を可能
とする。また、本発明は相違した量子化方法を各用途に
合うように使用しても、これに係わらず、互いに比較、
検索が可能であるように相互の運用性が保障される量子
化方法を提案することにより、標準化の意味に合うよう
なカラーに基づいたマルチメディア検索の方法及び、特
徴要素の構造を解決できるような方案が提示される。
【図１】本発明のＨＭＭＤカラースペース構造を示す図
である。
である。
【図２】本発明の図１の断面を示す図である。
【図３】本発明のＨＭＭＤカラースペースにおいてグレ
イ領域を分割する状態を示す図である。
イ領域を分割する状態を示す図である。
【図４】本発明のＨＭＭＤカラースペースにおいてＭＭ
Ｄ断面から見た３２レベル量子化方法を示す図である。
Ｄ断面から見た３２レベル量子化方法を示す図である。
【図５】本発明のＨＭＭＤカラースペースにおいてＭＭ
Ｄ断面から見た６４レベル量子化方法を示す図である。
Ｄ断面から見た６４レベル量子化方法を示す図である。
【図６】本発明のＨＭＭＤカラースペースにおいてＭＭ
Ｄ断面から見た１２０レベル量子化方法を示す図であ
る。
Ｄ断面から見た１２０レベル量子化方法を示す図であ
る。
【図７】本発明のＨＭＭＤカラースペースにおいてＭＭ
Ｄ断面から見た１８４レベル量子化方法を示す図であ
る。
Ｄ断面から見た１８４レベル量子化方法を示す図であ
る。
【図８】本発明のＨＭＭＤカラースペースにおいてＭＭ
Ｄ断面から見た１８４レベルと６４レベルのカラーラベ
ルマッピング関係を示す図である。
Ｄ断面から見た１８４レベルと６４レベルのカラーラベ
ルマッピング関係を示す図である。
【図９】本発明のカラーマッピング方法の実行手順を示
すフローチャートである。
すフローチャートである。
【図１０】本発明のＨＭＭＤカラースペースにおいてｈ
ｕｅに基づいて示す断面図（ａ）本発明はｈｕｅに基づ
いて量子化過程を示す図（ｂ）である。
ｕｅに基づいて示す断面図（ａ）本発明はｈｕｅに基づ
いて量子化過程を示す図（ｂ）である。
【図１１】本発明において各量子化レベル別検索性能を
示す分布図である。
示す分布図である。
【図１２】本発明において相互運用性検索性能を示す図
である。
である。
【図１３】本発明の実施形態において、ＨＭＭＤカラー
スペースにおいてＭＭＤ断面から見た２５６レベル量子
化方法を示す図である。
スペースにおいてＭＭＤ断面から見た２５６レベル量子
化方法を示す図である。
【図１４】本発明の実施形態において、ＨＭＭＤカラー
スペースにおいてＭＭＤ断面から見た１２８レベル量子
化方法を示す図である。
スペースにおいてＭＭＤ断面から見た１２８レベル量子
化方法を示す図である。
【図１５】本発明の実施形態において、ＨＭＭＤカラー
スペースにおいてＭＭＤ断面から見た６４レベル量子化
方法を示す図である。
スペースにおいてＭＭＤ断面から見た６４レベル量子化
方法を示す図である。
【図１６】本発明の実施形態において、ＨＭＭＤカラー
スペースにおいてＭＭＤ断面から見た３２レベル量子化
方法を示す図である。
スペースにおいてＭＭＤ断面から見た３２レベル量子化
方法を示す図である。
【図１７】本発明の実施形態において、各量子化レベル
別検索性能を示す図である。
別検索性能を示す図である。
【図１８】本発明において相互運用性検索性能を示す図
である。
である。
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.7 識別記号 ＦＩ テーマコート゛(参考） Ｈ０４Ｎ 1/46 Ｚ (72)発明者 ヒェオン・ジュン・キム 大韓民国・キョンギ−ド・ソンナム−シ・ プンダン−ク・プンダン−ドン・（番地な し）・ハンシンライフ アパートメント・ 109−302 Ｆターム(参考） 5B050 AA08 BA10 DA02 DA04 EA02 EA08 EA09 GA08 5B057 AA20 BA02 BA29 CA01 CA08 CA12 CA16 CB01 CB08 CB12 CB16 CC01 CE11 CE16 DB02 DB06 DB09 DC23 DC25 5C077 LL15 MP01 MP08 NN02 PP32 PQ19 RR06 5C079 HB01 LA33 NA15 5L096 AA02 AA06 BA08 FA37
Claims (32)
- 【請求項１】 ＨＭＭＤカラースペースでのカラー情報
を用いた検索システムで、 差分値（ｄｉｆｆ）を軸として、指定した一つ以上のｄ
ｉｆｆ値を用いてカラースペースを１次分割する過程
と、 前記カラースペースの分割領域のうち最も低いｄｉｆｆ
領域はグレイ領域としてｈｕｅに関係なく、ｓｕｍのみ
を基準にＮ（Ｎは自然数）等分する過程と、 他のｄｉｆｆ領域に対しては、ｓｕｍ軸を基準に各領域
ごとに各々与えられた常数に等分し、ｈｕｅ軸を基準に
各領域ごとに各々与えられた常数に等分する過程とを有
することを特徴とするＨＭＭＤカラースペースに基づい
たカラー量子化方法。 - 【請求項２】 前記ｄｉｆｆ軸を中心にしてカラースペ
ースを１次分割するためのｄｉｆｆ値の決定は低い彩度
（低いｄｉｆｆ領域）であるほど小さい幅を有するよう
に指定することを特徴とする請求項１記載のＨＭＭＤカ
ラースペースに基づいたカラー量子化方法。 - 【請求項３】 前記決定されたｄｉｆｆ値により分割さ
れた部分領域で、ｓｕｍ軸を基準に各々与えられた常数
に等分するとき、分割した領域の両側のｓｕｍ幅（ａ，
ｂ）のうち、大きなｓｕｍ幅（ａ）を基準に等分するこ
とを特徴とする請求項１記載のＨＭＭＤカラースペース
に基づいたカラー量子化方法。 - 【請求項４】 前記ｈｕｅ軸を基準に各領域を分割する
とき、赤色（即ち、０°）を始めとしてＮ（Ｎは自然
数）等分することを特徴とする請求項１記載のＨＭＭＤ
カラースペースに基づいたカラー量子化方法。 - 【請求項５】 前記ｄｉｆｆ軸を基準に分割された各領
域はｓｕｍ軸を基準に２X個（ｘは定数）に等分し、ｈ
ｕｅを基準に２y個（ｙは定数）に等分することを特徴
とする請求項１記載のＨＭＭＤカラースペースに基づい
たカラー量子化方法。 - 【請求項６】 前記カラースペースが０〜２５５のｄｉ
ｆｆ値を有するとき、ｄｉｆｆ軸を基準に前記カラース
ペースを分割するために指定されたｄｉｆｆ値はそれぞ
れ６，２０，６０，１１０であり、この値に基づき分け
られた５つの分割領域（Ｓ１０１，Ｓ１０２，Ｓ１０
３，Ｓ１０４，Ｓ１０５）のうち、 前記領域（Ｓ１０１）はｓｕｍ軸を基準に３２等分し
て、前記領域（Ｓ１０１を３２個の部分領域に分割し、 前記領域（Ｓ１０２）はｓｕｍ軸を基準に８等分し、そ
れぞれを再びｈｕｅ軸を基準に４等分して、前記領域
（Ｓ１０２）を３２個の部分領域に分割し、 前記領域（Ｓ１０３）はｓｕｍ軸を基準に４等分し、そ
れぞれを再びｈｕｅ軸を基準に１６等分して、前記領域
（Ｓ１０３）を６４個の部分領域に分割し、 前記領域（Ｓ１０４）はｓｕｍ軸を基準に４等分し、そ
れぞれを再びｈｕｅ軸を基準に１６等分して、前記領域
（Ｓ１０４）を６４個の部分領域に分割し、 前記領域（Ｓ１０５）はｓｕｍ軸を基準に４等分し、そ
れぞれを再びｈｕｅ軸を基準に１６等分して、前記領域
（Ｓ１０５）を６４個の部分領域に分割することによ
り、 前記カラースペースを２５６個の部分領域に分割するこ
とを特徴とする請求項１記載のＨＭＭＤカラースペース
に基づいたカラー量子化方法。 - 【請求項７】 前記カラースペースが０〜２５５のｄｉ
ｆｆ値を有するとき、 ｄｉｆｆ軸を基準に前記カラースペースを分割するため
に指定されたｄｉｆｆ値はそれぞれ６，２０，６０，１
１０であり、この値に基づき分けられた５つの分割領域
（Ｓ１１１，Ｓ１１２，Ｓ１１３，Ｓ１１４，Ｓ１１
５）のうち、 前記領域（Ｓ１１１）はｓｕｍ軸を基準に１６等分し
て、前記領域（Ｓ１１１を１６個の部分領域に分割し、 前記領域（Ｓ１１２）はｓｕｍ軸を基準に４等分し、そ
れぞれを再びｈｕｅ軸を基準に４等分して、前記領域
（Ｓ１１２）を１６個の部分領域に分割し、 前記領域（Ｓ１１３）はｓｕｍ軸を基準に４等分し、そ
れぞれを再びｈｕｅ軸を基準に８等分して、前記領域
（Ｓ１１３）を３２個の部分領域に分割し、 前記領域（Ｓ１１４）はｓｕｍ軸を基準に４等分し、そ
れぞれを再びｈｕｅ軸を基準に８等分して、前記領域
（Ｓ１１４）を３２個の部分領域に分割し、 前記領域（Ｓ１１５）はｓｕｍ軸を基準に４等分し、そ
れぞれを再びｈｕｅ軸を基準に８等分して、前記領域
（Ｓ１１５）を３２個の部分領域に分割することによ
り、 前記カラースペースを全て１２８個の部分領域に分割す
ることを特徴とする請求項１記載のＨＭＭＤカラースペ
ースに基づいたカラー量子化方法。 - 【請求項８】 前記カラースペースが０〜２５５のｄｉ
ｆｆ値を有するとき、 ｄｉｆｆ軸を基準に前記カラースペースを分割するため
に指定されたｄｉｆｆ値はそれぞれ６，２０，６０，１
１０であり、この値に基づき分けられた５つの分割領域
（Ｓ１２１，Ｓ１２２，Ｓ１２３，Ｓ１２４，Ｓ１２
５）のうち、 前記領域（Ｓ１２１）はｓｕｍ軸を基準に８等分して、
前記領域（Ｓ１２１）を８個の部分領域に分割し、 前記領域（Ｓ１２２）はｓｕｍ軸を基準に４等分し、そ
れぞれを再びｈｕｅ軸を基準に４等分して、前記領域
（Ｓ１２２）を１６個の部分領域に分割し、 前記領域（Ｓ１２３）はｓｕｍ軸を基準に４等分し、そ
れぞれを再びｈｕｅ軸を基準に４等分して、前記領域
（Ｓ１２３）を１６個の部分領域に分割し、 前記領域（Ｓ１２４）はｓｕｍ軸を基準に２等分し、そ
れぞれを再びｈｕｅ軸を基準に８等分して、前記領域
（Ｓ１２４）を１６個の部分領域に分割し、 前記領域（Ｓ１２５）はｈｕｅ軸を基準に８等分して、
前記領域（Ｓ１２５）を８個の部分領域に分割すること
により、 前記カラースペースを全て６４個の部分領域に分割する
ことを特徴とする請求項１記載のＨＭＭＤカラースペー
スに基づいたカラー量子化方法。 - 【請求項９】 前記カラースペースが０〜２５５のｄｉ
ｆｆ値を有するとき、 ｄｉｆｆ軸を基準に前記カラースペースを分割するため
に指定されたｄｉｆｆ値はそれぞれ６，６０，１１０で
あり、この値に基づき分けられた４つの分割領域（Ｓ１
３１，Ｓ１３２，Ｓ１３３，Ｓ１３４）のうち、 前記領域（Ｓ１３１）はｓｕｍ軸を基準に８等分して、
前記領域（Ｓ１３１）を８個の部分領域に分割し、 前記領域（Ｓ１３２）はｓｕｍ軸を基準に４等分し、そ
れぞれを再びｈｕｅ軸を基準に４等分して、前記領域
（Ｓ１３２）を１６個の部分領域に分割し、 前記領域（Ｓ１３３）はｈｕｅ軸を基準に４等分して、
前記領域（Ｓ１３３）を４個の部分領域に分割し、 前記領域（Ｓ１３４）はｈｕｅ軸を基準に４等分して、
前記領域（Ｓ１３４）を４個の部分領域に分割すること
により、 前記カラースペースを全て３２個の部分領域に分割する
ことを特徴とする請求項１記載のＨＭＭＤカラースペー
スに基づいたカラー量子化方法。 - 【請求項１０】 前記カラースペースが０〜２５５のｄ
ｉｆｆ値を有するとき、ｄｉｆｆ軸を基準に前記カラー
スペースを分割するために指定されたｄｉｆｆ値はそれ
ぞれ９，２９，７５であり、この値に基づき分けられた
４つの分割領域（Ｓ４１，Ｓ４２，Ｓ４３，Ｓ４４）の
うち、 前記領域（Ｓ４１）はｓｕｍ軸を基準に８等分して、前
記領域（Ｓ４）１を８個の部分領域に分割し、 前記領域（Ｓ４２）はｓｕｍ軸を基準に２等分、前記領
域（Ｓ４２）をｈｕｅ軸を基準に４等分して、８個の部
分領域に分割し、 前記領域（Ｓ４３）はｓｕｍ軸を基準に４等分、前記領
域（Ｓ４３）をｈｕｅ軸を基準に３等分して、１２個の
部分領域に分割し、 前記領域（Ｓ４４）はｓｕｍ軸を基準に２等分、ｈｕｅ
軸を基準に２等分して、前記領域（Ｓ４４）を４個の部
分領域に分割することにより、 前記カラースペースを全て３２個の部分領域に分割する
ことを特徴とする請求項１記載のＨＭＭＤカラースペー
スに基づいたカラー量子化方法。 - 【請求項１１】 前記カラースペースが０〜２５５のｄ
ｉｆｆ値を有するとき、ｄｉｆｆ軸を基準に前記カラー
スペースを分割するために指定されたｄｉｆｆ値はそれ
ぞれ９，２９，７５であり、この値に基づき分けられた
４つの分割領域（Ｓ５１，Ｓ５２，Ｓ５３，Ｓ５４）の
うち、 前記領域（Ｓ５１）はｓｕｍ軸を基準に８等分して、前
記領域（Ｓ５１を８個の部分領域に分割し、 前記領域（Ｓ５２）はｓｕｍ軸を基準に４等分、ｈｕｅ
軸を基準に４等分して、前記領域（Ｓ５２）を１６個の
部分領域に分割し、 前記領域（Ｓ５３）はｓｕｍ軸を基準に４等分、ｈｕｅ
軸を基準に６等分して、前記領域（Ｓ５３）を２４個の
部分領域に分割し、 前記領域（Ｓ５４）はｓｕｍ軸を基準に４等分、ｈｕｅ
軸を基準に４等分して、前記領域（Ｓ５４）を１６個の
部分領域に分割することにより、 前記カラースペースを全て６４個の部分領域に分割する
ことを特徴とする請求項１記載のＨＭＭＤカラースペー
スに基づいたカラー量子化方法。 - 【請求項１２】 前記カラースペースが０〜２５５のｄ
ｉｆｆ値を有するとき、ｄｉｆｆ軸を基準に前記カラー
スペースを分割するために指定されたｄｉｆｆ値はそれ
ぞれ９，２９，７５であり、この値に基づき分けられた
４つの分割領域（Ｓ６１，Ｓ６２，Ｓ６３，Ｓ６４）の
うち、 前記領域（Ｓ６１）はｓｕｍ軸を基準に８等分して、前
記領域（Ｓ６１を８個の部分領域に分割し、 前記領域（Ｓ６２）はｓｕｍ軸を基準に４等分、ｈｕｅ
軸を基準に４等分して、前記領域（Ｓ６２）を１６個の
部分領域に分割し、 前記領域（Ｓ６３）はｓｕｍ軸を基準に４等分、ｈｕｅ
軸を基準に１２等分して、前記領域（Ｓ６３）を４８個
の部分領域に分割し、 前記領域（Ｓ６４）はｓｕｍ軸を基準に４等分、ｈｕｅ
軸を基準に１２等分して、前記領域（Ｓ６４）を４８個
の部分領域に分割することにより、 前記カラースペースを全て１２０個の部分領域に分割す
ることを特徴とする請求項１記載のＨＭＭＤカラースペ
ースに基づいたカラー量子化方法。 - 【請求項１３】 前記カラースペースが０〜２５５のｄ
ｉｆｆ値を有するとき、ｄｉｆｆ軸を基準に前記カラー
スペースを分割するために指定されたｄｉｆｆ値はそれ
ぞれ９，２９，７５，２００であり、この値に基づき分
けられた５つの分割領域（Ｓ７１，Ｓ７２，Ｓ７３，Ｓ
７４，Ｓ７５）のうち、 前記領域（Ｓ７１）はｓｕｍ軸を基準に８等分して、前
記領域（Ｓ７１を８個の部分領域に分割し、 前記領域（Ｓ７２）はｓｕｍ軸を基準に４等分、ｈｕｅ
軸を基準に８等分して、前記領域（Ｓ７２）を３２個の
部分領域に分割し、 前記領域（Ｓ７３）はｓｕｍ軸を基準に４等分、ｈｕｅ
軸を基準に１２等分して、前記領域（Ｓ７３）を４８個
の部分領域に分割し、 前記領域（Ｓ７４）はｓｕｍ軸を基準に４等分、ｈｕｅ
軸を基準に１２等分して、前記領域（Ｓ７４）を４８個
の部分領域に分割し、 前記領域（Ｓ７５）はｓｕｍ軸を基準に２等分、ｈｕｅ
軸を基準に２４等分して、前記領域（Ｓ７５）を４８個
の部分領域に分割することにより、 前記カラースペースを全て１８４個の部分領域に分割す
ることを特徴とする請求項１記載のＨＭＭＤカラースペ
ースに基づいたカラー量子化方法。 - 【請求項１４】 ＨＭＭＤカラースペースでのカラー情
報を用いた検索システムで、 差分値（ｄｉｆｆ）を軸として、予め指定した一つ以上
のｄｉｆｆ値を基準に前記カラースペースを１次分割す
る過程と、 前記過程から分割された各部分領域に対して、ｓｕｍ軸
を基準に２X個（ｘは定数）に等分し、ｈｕｅ軸を基準
に２y個（ｙは定数）に等分する過程と、を有すること
を特徴とするＨＭＭＤカラースペースに基づいたカラー
量子化方法。 - 【請求項１５】 差分値（ｄｉｆｆ）が０〜２５５の範
囲を有し、分割されるカラー量子化レベルが２５６であ
る場合、 前記ｄｉｆｆ軸を基準に前記カラースペースを分割する
ために指定されたｄｉｆｆ値はそれぞれ６，２０，６
０，１１０であり、この値に基づき前記過程で分けられ
る分割領域（Ｓ１０１，Ｓ１０２，Ｓ１０３，Ｓ１０
４，Ｓ１０５）のうち、 前記領域（Ｓ１０１）はｓｕｍ軸を基準に３２等分し
て、前記領域（Ｓ１０１）を３２個の部分領域に分割
し、 前記領域（Ｓ１０２）はｓｕｍ軸を基準に８等分し、そ
れぞれを再びｈｕｅ軸を基準に４等分して、前記領域
（Ｓ１０２）を３２個の部分領域に分割し、 前記領域（Ｓ１０３）はｓｕｍ軸を基準に４等分し、そ
れぞれを再びｈｕｅ軸を基準に１６等分して、前記領域
（Ｓ１０３）を６４個の部分領域に分割し、 前記領域（Ｓ１０４）はｓｕｍ軸を基準に４等分し、そ
れぞれを再びｈｕｅ軸を基準に１６等分して、前記領域
（Ｓ１０４）を６４個の部分領域に分割し、 前記領域（Ｓ１０５）はｓｕｍ軸を基準に４等分し、そ
れぞれを再びｈｕｅ軸を基準に１６等分して、前記領域
（Ｓ１０５）を６４個の部分領域に分割することによ
り、 前記カラースペースを２５６個の部分領域に分割するこ
とを特徴とする請求項１４記載のＨＭＭＤカラースペー
スに基づいたカラー量子化方法。 - 【請求項１６】 差分値（ｄｉｆｆ）が０〜２５５の範
囲を有し、分割されるカラー量子化レベルが１２８であ
る場合、 前記過程でカラースペースを分割するために指定された
ｄｉｆｆ値はそれぞれ６，２０，６０，１１０であり、
この値に基づき前記過程で分けられる分割領域（Ｓ１１
１，Ｓ１１２，Ｓ１１３，Ｓ１１４，Ｓ１１５）のう
ち、 前記領域（Ｓ１１１）はｓｕｍ軸を基準に１６等分し
て、前記領域（Ｓ１１１）を１６個の部分領域に分割
し、 前記領域（Ｓ１１２）はｓｕｍ軸を基準に４等分し、そ
れぞれを再びｈｕｅ軸を基準に４等分して、前記領域
（Ｓ１１２）を１６個の部分領域に分割し、 前記領域（Ｓ１１３）はｓｕｍ軸を基準に４等分し、そ
れぞれを再びｈｕｅ軸を基準に８等分して、前記領域
（Ｓ１１３）を３２個の部分領域に分割し、 前記領域（Ｓ１１４）はｓｕｍ軸を基準に４等分し、そ
れぞれを再びｈｕｅ軸を基準に８等分して、前記領域
（Ｓ１１４）を３２個の部分領域に分割し、 前記領域（Ｓ１１５）はｓｕｍ軸を基準に４等分し、そ
れぞれを再びｈｕｅ軸を基準に８等分して、前記領域
（Ｓ１１５）を３２個の部分領域に分割することによ
り、 前記カラースペースを全て１２８個の部分領域に分割す
ることを特徴とする請求項１４記載のＨＭＭＤカラース
ペースに基づいたカラー量子化方法。 - 【請求項１７】 差分値（ｄｉｆｆ）が０〜２５５の範
囲を有し、分割されるカラー量子化レベルが６４である
場合、 前記過程でカラースペースを分割するために指定された
ｄｉｆｆ値はそれぞれ６，２０，６０，１１０であり、
この値に基づき前記過程で分けられる分割領域（Ｓ１２
１，Ｓ１２２，Ｓ１２３，Ｓ１２４，Ｓ１２５）のう
ち、 前記領域（Ｓ１２１）はｓｕｍ軸を基準に８等分して、
前記領域（Ｓ１２１）を８個の部分領域に分割し、 前記領域（Ｓ１２２）はｓｕｍ軸を基準に４等分し、そ
れぞれを再びｈｕｅ軸を基準に４等分して、前記領域
（Ｓ１２２）を１６個の部分領域に分割し、 前記領域（Ｓ１２３）はｓｕｍ軸を基準に４等分し、そ
れぞれを再びｈｕｅ軸を基準に４等分して、前記領域
（Ｓ１２３）を１６個の部分領域に分割し、 前記領域（Ｓ１２４）はｓｕｍ軸を基準に２等分し、そ
れぞれを再びｈｕｅ軸を基準に８等分して、前記領域
（Ｓ１２４）を１６個の部分領域に分割し、 前記領域（Ｓ１２５）はｈｕｅ軸を基準に８等分して、
前記領域（Ｓ１２５）を８個の部分領域に分割すること
により、 前記カラースペースを全て６４個の部分領域に分割する
ことを特徴とする請求項１４記載のＨＭＭＤカラースペ
ースに基づいたカラー量子化方法。 - 【請求項１８】 差分値（ｄｉｆｆ）が０〜２５５の範
囲を有し、分割されるカラー量子化レベルが３２である
場合、 前記過程でカラースペースを分割するために指定された
ｄｉｆｆ値はそれぞれ６，６０，１１０であり、このｄ
ｉｆｆ値に基づき前記過程で分けられる分割領域（Ｓ１
３１，Ｓ１３２，Ｓ１３３，Ｓ１３４）のうち、 前記領域（Ｓ１３１）はｓｕｍ軸を基準に８等分して、
前記領域（Ｓ１３１）を８個の部分領域に分割し、 前記領域（Ｓ１３２）はｓｕｍ軸を基準に４等分し、そ
れぞれを再びｈｕｅ軸を基準に４等分して、前記領域
（Ｓ１３２）を１６個の部分領域に分割し、 前記領域（Ｓ１３３）はｈｕｅ軸を基準に４等分して、
前記領域（Ｓ１３３）を４個の部分領域に分割し、 前記領域（Ｓ１３４）はｈｕｅ軸を基準に４等分して、
前記領域（Ｓ１３４）を４個の部分領域に分割すること
により、 前記カラースペースを全て３２個の部分領域に分割する
ことを特徴とする請求項１４）記載のＨＭＭＤカラース
ペースに基づいたカラー量子化方法。 - 【請求項１９】 ＨＭＭＤカラースペースでのカラー情
報を用いた検索システムで、 （ａ）ｄｉｆｆ，ｓｕｍ，ｈｕｅを用いて、基準となる
レベルのカラー量子化を行い、前記カラースペースを基
準となるレベルに分割する過程と、 （ｂ）前記（ａ）過程でカラー量子化に分割された各部
分領域のうち、一つ以上の部分領域をｄｉｆｆ，ｓｕ
ｍ，ｈｕｅの一つ以上の組み合わせにより更に細分して
分割し、より大きなレベルのカラー量子化を行う過程
と、を有することを特徴とするＨＭＭＤカラースペース
に基づいたカラー量子化方法。 - 【請求項２０】 前記（ａ）過程で基準となるカラー量
子化レベルは３２であり、 差分値（ｄｉｆｆ）が０〜２５５の範囲を有する場合、
前記（ａ）過程でカラースペースを分割するために指定
されたｄｉｆｆ値はそれぞれ６，６０，１１０であり、
この値に基づき前記カラースペースは４つの領域（Ｓ１
３１，Ｓ１３２，Ｓ１３３，Ｓ１３４）に１次分割さ
れ、 前記領域（Ｓ１３１）はｓｕｍ軸を基準に８等分して、
前記領域（Ｓ１３１）を８個の部分領域に分割し、 前記領域（Ｓ１３２）はｓｕｍ軸を基準に４等分し、そ
れぞれを再びｈｕｅ軸を基準に４等分して、前記領域
（Ｓ１３２）を１６個の部分領域に分割し、 前記領域（Ｓ１３３）はｈｕｅ軸を基準に４等分して、
前記領域（Ｓ１３３）を４個の部分領域に分割し、 前記領域（Ｓ１３４）はｈｕｅ軸を基準に４等分して、
前記領域（Ｓ１３）４を４個の部分領域に分割すること
により、 前記カラースペースを全て３２個の部分領域に分割する
ことを特徴とする請求項１９記載のＨＭＭＤカラースペ
ースに基づいたカラー量子化方法。 - 【請求項２１】 より大きなレベルのカラー量子化を行
う（ｂ）過程は、 前記領域（Ｓ１３２をｄｉｆｆ値２０を基準に再び分割
して、２つの部分領域（Ｓ１３２−１，Ｓ１３２−２）
に分割した後、これらの部分領域（Ｓ１３２−１，Ｓ１
３２−２）をそれぞれｓｕｍ軸を基準に４等分し、ｈｕ
ｅ軸は前記（ａ）過程で４等分したものをそのまま維持
して、前記領域（Ｓ１３２）を３２個の部分領域に分割
し、 前記領域（Ｓ１３１）は前記（ａ）過程でｓｕｍ軸を基
準に８等分したものをそのまま維持し、 前記領域（Ｓ１３３）はｓｕｍ軸を基準に２等分し、そ
れぞれを再びｈｕｅ軸を基準に８等分して、前記領域
（Ｓ１３３）を１６個の部分領域に細分化され、 前記領域（Ｓ１３４）はｈｕｅ軸を基準に８等分して、
前記領域（Ｓ１３４）を８個の部分領域に細分化される
ことにより、前記カラースペースを全て６４レベルに分
割することを特徴とする請求項２０記載のＨＭＭＤカラ
ースペースに基づいたカラー量子化方法。 - 【請求項２２】 より大きなレベルのカラー量子化を行
う（ｂ）過程は、 前記領域（Ｓ１３１）はｓｕｍ軸を基準に１６等分し
て、前記領域（Ｓ１３１）を１６個の部分領域に細分化
され、 前記領域（Ｓ１３２−１）はｓｕｍ軸を基準に４等分
し、ｈｕｅ軸を基準に４等分したものをそのまま維持
し、 前記領域（Ｓ１３２−２）はｓｕｍ軸を基準に４等分し
たものをそのまま維持し、それぞれを再びｈｕｅ軸を基
準に８等分して、前記領域（Ｓ１３２−２）を３２個の
部分領域に細分化され、 前記領域（Ｓ１３３）はｈｕｅ軸を基準に８等分したも
のをそのまま維持し、それぞれを再びｓｕｍ軸を基準に
４等分して、前記領域（Ｓ１３３）を３２個の部分領域
に細分化され、 前記領域（Ｓ１３４）はｈｕｅ軸を基準に８等分したも
のをそのまま維持し、それぞれを再びｓｕｍ軸を基準に
４等分して、前記領域（Ｓ１３４）を３２個の部分領域
に細分化されることにより、前記カラースペースを全て
１２８レベルに分割することを特徴とする請求項２１記
載のＨＭＭＤカラースペースに基づいたカラー量子化方
法。 - 【請求項２３】 より大きなレベルのカラー量子化を行
う（ｂ）過程は、 前記領域（Ｓ１３１）はｓｕｍ軸を基準に３２等分し
て、前記領域（Ｓ１３１）を３２個の部分領域に細分化
され、 前記領域（Ｓ１３２−１）はｈｕｅ軸を基準に４等分し
たものをそのまま維持し、それぞれを再びｓｕｍ軸を基
準に８等分して、前記領域（Ｓ１３２−１）を３）２個
の部分領域に細分化され、 前記領域（Ｓ１３）２−２はｓｕｍ軸を基準に４等分し
たものをそのまま維持し、それぞれを再びｈｕｅ軸を基
準に１６等分して、６４個の部分領域に細分化され、 前記領域（Ｓ１３３）はｓｕｍ軸を基準に４等分したも
のをそのまま維持し、それぞれを再びｈｕｅ軸を基準に
１６等分して、前記領域（Ｓ１３３）を６４個の部分領
域に細分化され、 前記領域（Ｓ１３４）はｓｕｍ軸を基準に４等分したも
のをそのまま維持し、それぞれを再びｈｕｅ軸を基準に
１６等分して、前記領域（Ｓ１３４）を６４個の部分領
域に細分化されることにより、前記カラースペースを２
５６レベルに分割することを特徴とする請求項２１記載
のＨＭＭＤカラースペースに基づいたカラー量子化方
法。 - 【請求項２４】 より大きなレベルのカラー量子化を行
う（ｂ）過程は、 前記（ａ）過程でカラー量子化に分割された各部分領域
のうち、一つ以上の部分領域をｄｉｆｆ，ｓｕｍ，ｈｕ
ｅ, ｍｉｎ，ｍａｘの一つ以上の組み合わせにより更に
細分して分割することで行うことを特徴とする請求項１
９記載のＨＭＭＤカラースペースに基づいたカラー量子
化方法。 - 【請求項２５】 ＨＭＭＤカラースペースでのカラー情
報を用いた検索システムにおいて、 （ａ）ｄｉｆｆ，ｓｕｍ，ｈｕｅを用いて、基準となる
レベルのカラー量子化を行い、前記カラースペースを基
準となるレベルに分割する過程と、 （ｂ）前記（ａ）過程でカラー量子化に分割された各部
分領域のうち、一つ以上の部分領域を併合することによ
り、より小さいレベルのカラー量子化を行う過程と、を
有することを特徴とするＨＭＭＤカラースペースに基づ
いたカラー量子化方法。 - 【請求項２６】 前記（ａ）過程で基準となるカラー量
子化レベルは２５６であり、 差分値（ｄｉｆｆ）が０〜２５５の範囲を有する場合、
前記（ａ）過程でカラースペースを分割するために指定
されたｄｉｆｆ値はそれぞれ６，２０，６０，１１０で
あり、このｄｉｆｆ値によって前記カラースペースは５
つの領域（Ｓ１０１，Ｓ１０２，Ｓ１０３，Ｓ１０４，
Ｓ１０５）に１次分割され、 前記領域（Ｓ１０１）はｓｕｍ軸を基準に３２等分し
て、前記領域（Ｓ１０１）を３２個の部分領域に分割
し、 前記領域（Ｓ１０２）はｓｕｍ軸を基準に８等分し、そ
れぞれを再びｈｕｅ軸を基準に４等分して、前記領域
（Ｓ１０２）を３２個の部分領域に分割し、 前記領域（Ｓ１０３）をｓｕｍ軸を基準に４等分し、そ
れぞれを再びｈｕｅ軸を基準に１６等分して、前記領域
（Ｓ１０３）を６４個の部分領域に分割し、 前記領域（Ｓ１０４）はｓｕｍ軸を基準に４等分し、そ
れぞれを再びｈｕｅ軸を基準に１６等分して、前記領域
（Ｓ１０４）を６４個の部分領域に分割し、 前記領域（Ｓ１０５）はｓｕｍ軸を基準に４等分し、そ
れぞれを再びｈｕｅ軸を基準に１６等分して、前記領域
（Ｓ１０５）を６４個の部分領域に分割することによ
り、 前記カラースペースを２５６個の部分領域に分割するこ
とを特徴とする請求項２５記載のＨＭＭＤカラースペー
スに基づいたカラー量子化方法。 - 【請求項２７】 より小さいレベルのカラー量子化を行
う（ｂ）過程は、 前記領域（Ｓ１０１）はｓｕｍ軸を基準に１６等分し
て、前記領域（Ｓ１０１）の量子化レベルを１６レベル
に減らし、 前記領域（Ｓ１０２）はｈｕｅ軸を基準に４等分したも
のをそのまま維持し、それぞれを再びｓｕｍ軸を基準に
４等分して、前記領域（Ｓ１０２）の量子化レベルを１
６レベルを減らし、 前記領域（Ｓ１０３）はｓｕｍ軸を基準に４等分したも
のをそのまま維持し、それぞれを再びｈｕｅ軸を基準に
８等分して、前記領域（Ｓ１０３）の量子化レベルを３
２レベルを減らし、 前記領域（Ｓ１０４）はｓｕｍ軸を基準に４等分したも
のをそのまま維持し、それぞれを再びｈｕｅ軸を基準に
８等分して、前記領域（Ｓ１０４）の量子化レベルを３
２レベルを減らし、 前記領域（Ｓ１０５）はｓｕｍ軸を基準に４等分したも
のをそのまま維持し、それぞれを再びｈｕｅ軸を基準に
８等分して、前記領域（Ｓ１０５）の量子化レベルを３
２レベルを減らすことにより、前記カラースペースを全
て１２８レベルに分割することを特徴とする請求項２６
記載のＨＭＭＤカラースペースに基づいたカラー量子化
方法。 - 【請求項２８】 より小さいレベルのカラー量子化を行
う（ｂ）過程は、 前記領域（Ｓ１０１）はｓｕｍ軸を基準に８等分して、
前記領域（Ｓ１０１）の量子化レベルを８レベルに減ら
し、 前記領域（Ｓ１０２）はｓｕｍ軸を基準に４等分したも
のと、ｈｕｅ軸を基準に４等分したものをそのまま維持
し、 前記領域（Ｓ１０３）はｓｕｍ軸を基準に４等分したも
のをそのまま維持し、それぞれを再びｈｕｅ軸を基準に
４等分して、前記領域（Ｓ１０３）の量子化レベルを１
６レベルに減らし、 前記領域（Ｓ１０４）はｈｕｅ軸を基準に８等分したも
のをそのまま維持し、それぞれを再びｓｕｍ軸を基準に
２等分して、前記領域（Ｓ１０４）の量子化レベルを１
６レベルに減らし、 前記領域（Ｓ１０５）はｈｕｅ軸を基準に８等分したも
のをそのまま維持し、ｓｕｍ軸は再び１等分して前記領
域（Ｓ１０５）の量子化レベルを８レベルに減らすこと
により、前記カラースペースを全て６４レベルに分割す
ることを特徴とする請求項２７記載のＨＭＭＤカラース
ペースに基づいたカラー量子化方法。 - 【請求項２９】 より小さいレベルのカラー量子化を行
う（ｂ）過程は、 前記領域（Ｓ１０１）はｓｕｍ軸を基準に８等分したも
のをそのまま維持し、 前記領域（Ｓ１０２）と領域（Ｓ１０３）とを併合し、
その併合した領域はｈｕｅ軸を基準に４等分したものを
そのまま維持し、それぞれを再びｓｕｍ軸を基準に４等
分して前記併合した領域の量子化レベルを１６レベルに
減らし、 前記領域（Ｓ１０４）はｓｕｍ軸を基準に１等分し、ｈ
ｕｅ軸を基準に４等分して、前記領域（Ｓ１０４）の量
子化レベルを４レベルを減らし、 前記領域（Ｓ１０５）はｓｕｍ軸を基準に１等分したも
のをそのまま維持し、ｈｕｅ軸を基準に４等分して、前
記領域（Ｓ１０５）の量子化レベルを４レベルに減らす
ことにより、前記カラースペースを全て３２レベルに分
割することを特徴とする請求項２８記載のＨＭＭＤカラ
ースペースに基づいたカラー量子化方法。 - 【請求項３０】 互いに異なるレベルのカラー量子化方
法で量子化したカラー特徴要素を用いて検索する方法
は、 （ａ）大きなレベルの量子化方法によって生成した特徴
要素のカラーラベルを、小さいレベルの量子化方法によ
り生成した特徴要素のカラーラベルのうち一つにマッピ
ングさせることで、互いに異なる量子化方法による二つ
の特徴要素のカラーラベルの意味を一致させる過程と、 （ｂ）一致したカラーラベルを使用して類似度を測定す
る過程と、 （ｃ）測定した類似度を基準にマルチメディアデータを
出力する過程と、を有することを特徴とするマルチメデ
ィア検索方法。 - 【請求項３１】 前記（ａ）過程は、 より大きなレベルの量子化方法によって生成したカラー
ラベルの各該当部分領域の任意の一点が、マッピングし
ようとするより小さいレベルの量子化方法により生成し
たカラーラベルに当たる各領域の何れかの一領域に含ま
れると、その含まれた領域のカラーラベルをマッピング
したカラーラベルと決定することを特徴とする請求項３
０記載のマルチメディア検索方法。 - 【請求項３２】 前記（ａ）過程においてカラーラベル
マッピングは最初に両データの類似度の比較時点でのみ
行われ、このとき、二つの量子化方法によるカラーラベ
ルのマッピング関係をテーブルなどの形式で格納し、デ
ータに対しては別のカラーラベルマッピングを行うこと
なく、直ぐに格納した関係テーブルの情報を使用するこ
とを特徴とする請求項３０記載のマルチメディア検索方
法。
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20000028759 | 2000-05-26 | ||
| KR10-2000-0063163A KR100374063B1 (ko) | 2000-05-26 | 2000-10-26 | 에이취엠엠디（ｈｍｍｄ）칼라 스페이스 기반의칼라양자화 방법과 멀티미디어 특징소 추출 및 검색 방법 |
| KR2000-63163 | 2000-10-26 | ||
| KR2000-28759 | 2000-10-26 |
Related Child Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2005006445A Division JP2005216296A (ja) | 2000-05-26 | 2005-01-13 | 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 |
| JP2005006438A Division JP2005216295A (ja) | 2000-05-26 | 2005-01-13 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2002027277A true JP2002027277A (ja) | 2002-01-25 |
| JP3676259B2 JP3676259B2 (ja) | 2005-07-27 |
Family
ID=26638030
Family Applications (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001157023A Expired - Fee Related JP3676259B2 (ja) | 2000-05-26 | 2001-05-25 | Ｈｍｍｄカラースペースに基づいたカラー量子化方法とマルチメディア |
| JP2005006438A Pending JP2005216295A (ja) | 2000-05-26 | 2005-01-13 | 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 |
| JP2005006445A Pending JP2005216296A (ja) | 2000-05-26 | 2005-01-13 | 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 |
Family Applications After (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2005006438A Pending JP2005216295A (ja) | 2000-05-26 | 2005-01-13 | 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 |
| JP2005006445A Pending JP2005216296A (ja) | 2000-05-26 | 2005-01-13 | 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 |
Country Status (5)
| Country | Link |
|---|---|
| US (4) | US6919971B2 (ja) |
| EP (1) | EP1176804A3 (ja) |
| JP (3) | JP3676259B2 (ja) |
| CN (2) | CN100454297C (ja) |
| BR (1) | BR0103093C1 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7126720B2 (en) * | 2000-05-26 | 2006-10-24 | Lg Electronics Inc. | Color quantization and method thereof and searching method using the same |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002027272A (ja) * | 2000-07-11 | 2002-01-25 | Fuji Photo Film Co Ltd | カラーチャートおよび色変換定義作成方法 |
| KR100439371B1 (ko) * | 2000-09-08 | 2004-07-09 | 엘지전자 주식회사 | 히스토그램을 이용한 멀티미디어 검색방법 |
| KR100488011B1 (ko) * | 2002-10-07 | 2005-05-06 | 엘지전자 주식회사 | 칼라 히스토그램의 빈값 양자화 방법 |
| US8208731B2 (en) | 2008-04-07 | 2012-06-26 | Microsoft Corporation | Image descriptor quantization |
| CN101799929B (zh) * | 2009-02-11 | 2013-01-23 | 富士通株式会社 | 指定颜色层提取设备和方法 |
| US8775424B2 (en) * | 2010-01-26 | 2014-07-08 | Xerox Corporation | System for creative image navigation and exploration |
| US8553154B2 (en) * | 2010-02-16 | 2013-10-08 | Vixs Systems, Inc | Method and/or apparatus for implementing a color management module |
| US8553045B2 (en) | 2010-09-24 | 2013-10-08 | Xerox Corporation | System and method for image color transfer based on target concepts |
| US8369616B2 (en) | 2010-10-20 | 2013-02-05 | Xerox Corporation | Chromatic matching game |
| US20120109993A1 (en) * | 2010-10-28 | 2012-05-03 | Qualcomm Incorporated | Performing Visual Search in a Network |
| US8532377B2 (en) | 2010-12-22 | 2013-09-10 | Xerox Corporation | Image ranking based on abstract concepts |
| US10169803B2 (en) | 2014-06-26 | 2019-01-01 | Amazon Technologies, Inc. | Color based social networking recommendations |
| US9996579B2 (en) * | 2014-06-26 | 2018-06-12 | Amazon Technologies, Inc. | Fast color searching |
| US9785649B1 (en) | 2014-09-02 | 2017-10-10 | Amazon Technologies, Inc. | Hue-based color naming for an image |
| US9454713B2 (en) * | 2014-12-30 | 2016-09-27 | Ebay Inc. | Similar item detection |
| CN105574900B (zh) * | 2015-12-16 | 2018-12-25 | 上海华力创通半导体有限公司 | 基于hmmd颜色空间的颜色量化系统及颜色量化方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0822532A (ja) * | 1994-07-07 | 1996-01-23 | Fuji Xerox Co Ltd | 減色処理を行なうカラー画像処理装置 |
| JPH10276337A (ja) * | 1997-03-28 | 1998-10-13 | Sharp Corp | カラー画像処理装置 |
| JP2000011138A (ja) * | 1998-04-29 | 2000-01-14 | Lg Electron Inc | 色座標空間構造と色座標及び色スプレ―ディングを用いた色量子化方法 |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0927966A (ja) * | 1995-07-12 | 1997-01-28 | Sanyo Electric Co Ltd | 画像符号化方法および画像符号化装置 |
| US5825917A (en) * | 1994-09-30 | 1998-10-20 | Sanyo Electric Co., Ltd. | Region-based image processing method, image processing apparatus and image communication apparatus |
| JPH10160573A (ja) * | 1996-11-29 | 1998-06-19 | Shimadzu Corp | 色彩測定装置 |
| US6310969B1 (en) * | 1998-05-28 | 2001-10-30 | Lg Electronics Inc. | Color coordinate space structure and color quantizing and variable gray area designating method therein |
| US6721449B1 (en) | 1998-07-06 | 2004-04-13 | Koninklijke Philips Electronics N.V. | Color quantization and similarity measure for content based image retrieval |
| KR100512118B1 (ko) * | 1999-06-10 | 2005-09-02 | 엘지전자 주식회사 | 칼라스페이스의 최적 양자화 방법 |
| KR100364753B1 (ko) * | 1999-11-19 | 2002-12-16 | 엘지전자 주식회사 | 칼라 히스토그램의 빈값 양자화 방법 |
| KR100422697B1 (ko) * | 1999-12-27 | 2004-03-12 | 엘지전자 주식회사 | 색공간 양자화 묘사자 |
| JP4349770B2 (ja) * | 2000-02-23 | 2009-10-21 | 大日精化工業株式会社 | 調色サンプルの評価方法および異常値を示すサンプル色の仮の真値と当該異常値を示すサンプル色の実測の分光反射率との誤差を決定する方法 |
| KR100374063B1 (ko) * | 2000-05-26 | 2003-03-03 | 엘지전자 주식회사 | 에이취엠엠디（ｈｍｍｄ）칼라 스페이스 기반의칼라양자화 방법과 멀티미디어 특징소 추출 및 검색 방법 |
| JP3676259B2 (ja) * | 2000-05-26 | 2005-07-27 | エルジー電子株式会社 | Ｈｍｍｄカラースペースに基づいたカラー量子化方法とマルチメディア |
| JP3492293B2 (ja) | 2000-07-07 | 2004-02-03 | キヤノン株式会社 | ファクシミリ装置、およびファクシミリ装置の制御方法 |
| KR100375222B1 (ko) * | 2000-07-19 | 2003-03-08 | 엘지전자 주식회사 | 스케일러블 칼라 히스토그램 엔코딩 방법 |
| DE1174804T1 (de) * | 2000-07-21 | 2002-10-02 | Lg Electronics Inc., Seoul/Soul | Verfahren zum Suchen von Multimedia-Daten mit progressiven Histogrammen |
-
2001
- 2001-05-25 JP JP2001157023A patent/JP3676259B2/ja not_active Expired - Fee Related
- 2001-05-28 CN CNB2004100950513A patent/CN100454297C/zh not_active Expired - Fee Related
- 2001-05-28 BR BR0103093-0A patent/BR0103093C1/pt not_active IP Right Cessation
- 2001-05-28 CN CNB011183888A patent/CN1227612C/zh not_active Expired - Fee Related
- 2001-05-29 EP EP01304696A patent/EP1176804A3/en not_active Ceased
- 2001-05-29 US US09/865,459 patent/US6919971B2/en not_active Expired - Fee Related
-
2004
- 2004-11-23 US US10/994,402 patent/US7126720B2/en not_active Expired - Fee Related
- 2004-11-23 US US10/994,392 patent/US7197183B2/en not_active Expired - Fee Related
-
2005
- 2005-01-13 JP JP2005006438A patent/JP2005216295A/ja active Pending
- 2005-01-13 JP JP2005006445A patent/JP2005216296A/ja active Pending
-
2006
- 2006-03-28 US US11/390,309 patent/US7180634B2/en not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0822532A (ja) * | 1994-07-07 | 1996-01-23 | Fuji Xerox Co Ltd | 減色処理を行なうカラー画像処理装置 |
| JPH10276337A (ja) * | 1997-03-28 | 1998-10-13 | Sharp Corp | カラー画像処理装置 |
| JP2000011138A (ja) * | 1998-04-29 | 2000-01-14 | Lg Electron Inc | 色座標空間構造と色座標及び色スプレ―ディングを用いた色量子化方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7126720B2 (en) * | 2000-05-26 | 2006-10-24 | Lg Electronics Inc. | Color quantization and method thereof and searching method using the same |
Also Published As
| Publication number | Publication date |
|---|---|
| BR0103093A (pt) | 2002-02-13 |
| EP1176804A3 (en) | 2004-08-04 |
| US7180634B2 (en) | 2007-02-20 |
| JP2005216295A (ja) | 2005-08-11 |
| US6919971B2 (en) | 2005-07-19 |
| US7197183B2 (en) | 2007-03-27 |
| US20050094876A1 (en) | 2005-05-05 |
| US20010055128A1 (en) | 2001-12-27 |
| CN1619543A (zh) | 2005-05-25 |
| CN1326160A (zh) | 2001-12-12 |
| US20050094873A1 (en) | 2005-05-05 |
| JP3676259B2 (ja) | 2005-07-27 |
| JP2005216296A (ja) | 2005-08-11 |
| US20060164664A1 (en) | 2006-07-27 |
| US7126720B2 (en) | 2006-10-24 |
| CN1227612C (zh) | 2005-11-16 |
| BR0103093C1 (pt) | 2005-10-11 |
| CN100454297C (zh) | 2009-01-21 |
| EP1176804A2 (en) | 2002-01-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2005216296A (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 | |
| US6961736B1 (en) | Compact color feature vector representation | |
| US7012617B2 (en) | Method for representing a digital color image using a set of palette colors based on detected important colors | |
| KR100649338B1 (ko) | 컨텐트 기반 영상 검색용 컬러 양자화 및 상사 측정 방법 | |
| US7376263B2 (en) | Content-based multimedia retrieval system and method thereof | |
| TWI426774B (zh) | 用於針對ｊｐｅｇ壓縮歷史紀錄分類為壓縮影像的方法、及用於針對影像是否已經過jpeg壓縮而分類影像的設備及影像分類方法 | |
| JP2003153007A (ja) | 画像重要度に基づく画像圧縮制御システム及び方法 | |
| US7130845B2 (en) | Image retrieval method and apparatus independent of illumination change | |
| KR20140058674A (ko) | 본질 이미지들을 이용하는 디지털 이미지 신호 압축 시스템 및 방법 | |
| US6836563B2 (en) | Computer-readable medium and program for quantizing a data set, method and apparatus for quantizing a data set | |
| Wong et al. | Dominant color structure descriptor for image retrieval | |
| US20060182347A1 (en) | Image retrieval method and apparatus independent of illumination change | |
| Teng et al. | Image indexing and retrieval based on vector quantization | |
| JP4052837B2 (ja) | イメージ領域を描写する方法 | |
| KR20030005908A (ko) | 영상의 객체 특징 추출과 이를 이용한 내용 기반 영상검색 장치 및 방법 | |
| Abdelsadek et al. | Impact of using different color spaces on the image segmentation | |
| KR100374063B1 (ko) | 에이취엠엠디（ｈｍｍｄ）칼라 스페이스 기반의칼라양자화 방법과 멀티미디어 특징소 추출 및 검색 방법 | |
| JP3724525B2 (ja) | 画像処理方法および画像処理装置 | |
| Agaian et al. | Stego sensitivity measure and multibit plane based steganography using different color models | |
| JPH06251147A (ja) | 映像特徴処理方法 | |
| Tyagi et al. | Color Feature | |
| Wu et al. | Color feature extraction | |
| Kang et al. | Multimedia database system with embedding MPEG-7 meta data | |
| Stentiford et al. | Attention-based color correction | |
| Teng et al. | Effects of codebook sizes, codeword dimensions, and colour spaces on retrieval performance of image retrieval using vector quantization |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040720 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20041020 |
|
| A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20041025 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050113 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20050419 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050427 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090513 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100513 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110513 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120513 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120513 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130513 Year of fee payment: 8 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |