JP2005216295A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP2005216295A JP2005216295A JP2005006438A JP2005006438A JP2005216295A JP 2005216295 A JP2005216295 A JP 2005216295A JP 2005006438 A JP2005006438 A JP 2005006438A JP 2005006438 A JP2005006438 A JP 2005006438A JP 2005216295 A JP2005216295 A JP 2005216295A
- Authority
- JP
- Japan
- Prior art keywords
- divided
- region
- equal parts
- axis
- 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.)
- Pending
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
- H04N1/46—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)
- Color Image Communication Systems (AREA)
- Facsimile Image Signal Circuits (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
【解決手段】本発明は、HDDM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1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値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、hue軸を基準に各領域ごとに各々与えられた数に等分する。
【選択図】 図13
Description
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。
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。
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。
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。
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。
(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(16777216)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。
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。
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。
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。
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。
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。
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/(max(r、g、b)−min(r、g、b));
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。
(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。
(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。
(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。
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。
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S41、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。
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、S42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。
先ずdiff軸にdiff値9、29、75を基準に四つの部分領域に分け、これをS51、S53、S54とする。また、図3に示すようにS51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、
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。
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。
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。
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。
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。
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。
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。
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。
先ず、diff軸に沿ってdiff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hue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hue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。
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、S75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hueに基づいて8等分しsumに基づいて4等分し、
S73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。
図10a、図10b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。
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。
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。
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。
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256,128,64,32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。
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、hue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。
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,S102,S103,S104,S105とする。
そして、前記領域(S101〜S105)を再びsum軸とhue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。
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。
分割されるカラー量子化レベルを128レベルとした場合、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S111,S112,S113,S114,S115とする。そして、前記領域S111〜S115を再びsum軸とhue軸を基準に各々2のべき数で示される数に等分する。
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32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。
分割するカラー量子化レベルが64である場合、
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S121,S122,S123,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。
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。
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。
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S134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。
また、逆に、基準の量子化レベルを256とし、これから128,64,32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。
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。
このとき、前記部分領域を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S131,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。
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,S132−2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S132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。
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64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。
領域S131はsum軸を基準に128レベルでは16等分したものを32等分して、領域S131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128レベルから256レベルに分割することになる。
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。
部分領域S101,S102,S103,S104,S105を256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。
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128レベルに分割することになる。
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S101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64レベルに分割することになる。
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、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。
Claims (11)
- イメージを入力する過程と、
入力された各イメージの変換済みHMMDカラー値を、量子化法により量子化する過程と、
入力された各イメージのカラーヒストグラムを作成する過程と、
基準イメージのカラーヒストグラムと入力された各イメージのカラーヒストグラムとの類似度を測定する過程と、
測定された類似度に従って、入力されたイメージを配列する過程とを備え、
前記量子化法は、
(a)diffとsumとhueとを用いて基準となるレベルのカラー量子化を行うことにより、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)の過程での量子化による部分領域の少なくとも1つを更に分割することによって、より大きなレベルのカラー量子化を重ねて行う過程と
を備えたことを特徴とするイメージのカラーヒストグラムを利用したマルチメディア検索方法。 - 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(S131,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(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記載の方法。 - 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,S132−2)をそれぞれsum軸を基準に4等分し、hue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2記載の方法。 - 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3記載の方法。 - 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256レベルに分割することを特徴とする請求項3記載の方法。 - 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,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することで行うことを特徴とする請求項1記載の方法。 - イメージを入力する過程と、
入力された各イメージの変換済みHMMDカラー値を量子化法により量子化する過程と、
入力された各イメージのカラーヒストグラムを作成する過程と、
基準イメージのカラーヒストグラムと入力された各イメージのカラーヒストグラムとの類似度を測定する過程と、
測定された類似度に従って、入力されたイメージを配列する過程とを備え、
前記量子化法は、
(a)diffとsumとhueとを用いて基準となるレベルのカラー量子化を行うことにより、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)の過程での量子化による部分領域の少なくとも1つを併合することによって、より小さいレベルのカラー量子化を重ねて行う過程と
を備えたことを特徴とするイメージのカラーヒストグラムを利用したマルチメディア検索方法。 - 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7記載の方法。 - 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16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32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32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32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8記載の方法。 - 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16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16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9記載の方法。 - 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、hue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10記載の方法。
Applications Claiming Priority (2)
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 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2001157023A Division 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 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2005216295A true JP2005216295A (ja) | 2005-08-11 |
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 Before (1)
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 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
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) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
US9996579B2 (en) * | 2014-06-26 | 2018-06-12 | Amazon Technologies, Inc. | Fast color searching |
US10169803B2 (en) | 2014-06-26 | 2019-01-01 | Amazon Technologies, Inc. | Color based social networking recommendations |
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 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3452212B2 (ja) * | 1994-07-07 | 2003-09-29 | 富士ゼロックス株式会社 | 減色処理を行なうカラー画像処理装置 |
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 |
DE69519462T2 (de) * | 1994-09-30 | 2001-06-13 | Sanyo Electric Co | Bildübertragungssystem und Verfahren zur Datenreduktion von Farbbildern mittels Farbtabellen und Zusammenfassung von Bildbereichen |
JPH10160573A (ja) * | 1996-11-29 | 1998-06-19 | Shimadzu Corp | 色彩測定装置 |
JPH10276337A (ja) * | 1997-03-28 | 1998-10-13 | Sharp Corp | カラー画像処理装置 |
US6633407B1 (en) * | 1998-04-29 | 2003-10-14 | Lg Electronics, Inc. | HMMD color space and method for quantizing color using HMMD space and color spreading |
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 |
CN1243223C (zh) * | 2000-02-23 | 2006-02-22 | 大日精化工业株式会社 | 利用ccm对调色样品再现性进行评价的方法 |
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 |
EP1174804A3 (en) * | 2000-07-21 | 2005-07-20 | Lg Electronics Inc. | Method for searching multimedia using progressive histogram |
-
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 CN CNB011183888A patent/CN1227612C/zh not_active Expired - Fee Related
- 2001-05-28 BR BR0103093-0A patent/BR0103093C1/pt not_active IP Right Cessation
- 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
Also Published As
Publication number | Publication date |
---|---|
US20060164664A1 (en) | 2006-07-27 |
JP2005216296A (ja) | 2005-08-11 |
US20010055128A1 (en) | 2001-12-27 |
US20050094876A1 (en) | 2005-05-05 |
BR0103093A (pt) | 2002-02-13 |
US7180634B2 (en) | 2007-02-20 |
EP1176804A3 (en) | 2004-08-04 |
CN1619543A (zh) | 2005-05-25 |
JP3676259B2 (ja) | 2005-07-27 |
JP2002027277A (ja) | 2002-01-25 |
CN1227612C (zh) | 2005-11-16 |
CN1326160A (zh) | 2001-12-12 |
US6919971B2 (en) | 2005-07-19 |
BR0103093C1 (pt) | 2005-10-11 |
US7197183B2 (en) | 2007-03-27 |
US20050094873A1 (en) | 2005-05-05 |
EP1176804A2 (en) | 2002-01-30 |
CN100454297C (zh) | 2009-01-21 |
US7126720B2 (en) | 2006-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
KR100649338B1 (ko) | 컨텐트 기반 영상 검색용 컬러 양자화 및 상사 측정 방법 | |
US20100110455A1 (en) | Language based color selection method | |
US7376263B2 (en) | Content-based multimedia retrieval system and method thereof | |
US6633407B1 (en) | HMMD color space and method for quantizing color using HMMD space and color spreading | |
Erkut et al. | HSV color histogram based image retrieval with background elimination | |
TWI646834B (zh) | 創造指示影像中差異之雜湊值 | |
US7466856B2 (en) | Image retrieval method and apparatus independent of illumination change | |
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 | |
Teng et al. | Image indexing and retrieval based on vector quantization | |
KR20030005908A (ko) | 영상의 객체 특징 추출과 이를 이용한 내용 기반 영상검색 장치 및 방법 | |
JP2002288657A (ja) | 空間密集成分を利用した代表カラー設定方法 | |
JP2002082985A (ja) | 画像検索装置及び方法並びに画像検索プログラムを記録した記憶媒体 | |
KR100374063B1 (ko) | 에이취엠엠디(hmmd)칼라 스페이스 기반의칼라양자화 방법과 멀티미디어 특징소 추출 및 검색 방법 | |
Abdelrahim et al. | Image retrieval based on content and image compression | |
Vadivel et al. | Robust histogram generation from the HSV space based on visual colour perception | |
Agaian et al. | Stego sensitivity measure and multibit plane based steganography using different color models | |
Mihalik et al. | Color content descriptors of images by vector quantization | |
KR20030009674A (ko) | 내용 기반 영상 검색 장치 및 방법 | |
Albanesi et al. | Quantitative assessment of qualitative color perception in image database retrieval | |
Aparna | Retrieval of digital images based on multi-feature similarity using genetic algorithm | |
Kang et al. | Multimedia database system with embedding MPEG-7 meta data | |
Tyagi et al. | Color Feature | |
Mane et al. | An approach to explore the role of color models and color descriptors in the optimization of semantic gap in content based image retrieval |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20071204 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20080304 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20080307 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20080404 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20080409 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080502 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20080805 |