JP3636673B2 - 映像のパターン反復記述方法 - Google Patents
映像のパターン反復記述方法 Download PDFInfo
- Publication number
- JP3636673B2 JP3636673B2 JP2001163493A JP2001163493A JP3636673B2 JP 3636673 B2 JP3636673 B2 JP 3636673B2 JP 2001163493 A JP2001163493 A JP 2001163493A JP 2001163493 A JP2001163493 A JP 2001163493A JP 3636673 B2 JP3636673 B2 JP 3636673B2
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- value
- video
- quantization value
- signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/42—Analysis of texture based on statistical description of texture using transform domain methods
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Picture Signal Circuits (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は映像の周期的パターン反復を記述する方法に係り、より詳細には映像内に存在するノイズを効率的に除去して周期的なパターンを正確に記述する方法に関する。
【０００２】
【従来の技術】
映像データで一つの映像と他の映像とを区別するためには干渉パターンに注意またはそれを認識することが重要である。これは映像認識及び映像操作において映像の貯蔵、整列、及び検索側面で非常に重要視される。また、これはテクスチャー特徴を使用したパターン整合の特殊な分野でより良好なパターン認識性能を得るために決定的な要素になる。
【０００３】
本出願人によって出願され、本明細書内で参照として統合される１９９９年３月１９日付で出願された米国特許出願０９/２７２,３２１号には、原始画素値を垂直または水平投影する方法を示している。前記特許資料によれば原始画素値を垂直または水平投影する方法は映像データ内の固有パターンを抽出するための効率的な方法であると記述している。前記方法によれば、映像内に反復されるパターンが含まれていれば投影された映像内にはそのパターンが明確に示される。また、前記特許資料によれば、結果的な投影された映像に自己相関法を適用すれば周期的な特徴を確認または拡大できることが開示されている。しかし、投影された映像内で見つかったパターン反復は相異なるパターン反復の組合わせ及びノイズによって一般的に微細な周期を有しない。特に、映像内のノイズはパターンを不明にする影響を与えるためにこのようなノイズを除去する必要がある。
【０００４】
自動化された周期的パターンカウンティングメカニズムを使用してノイズを低める従来の方法はこのような問題点を一部解決できる。しかし、ノイズを除去すれば映像のパターン反復が変わる問題がある。
【０００５】
【発明が解決しようとする課題】
本発明が解決しようとする技術的課題は、映像内に存在しうるパターン反復を効率的に記述するための映像のパターン反復記述方法に関する。
【０００６】
本発明が解決しようとする他の技術的課題は、前記パターン反復記述方法に基づいて多数の映像が貯蔵された映像データベース内で類似のテクスチャー特徴を有する映像を凝集化する方法を提供することである。
【０００７】
【課題を解決するための手段】
前記課題を解決するために本発明の一側面に係る映像のパターン反復記述方法は、(a) 映像をあらかじめ決まった方向を有する所定の軸上に投影する段階と、(b) 投影された映像を一レベル下に分解する段階と、(c) パターン量子化値が維持される値まで臨界値を高めながら分解されたデータでノイズを除去する段階と、(d) ノイズが除去されたデータのパターン量子化値とノイズ除去おに使用した臨界値を使用して映像のパターン反復を記述する段階とを含むことを特徴とする。
【０００８】
また、前記分解は離散ウェーブレット変換に基づいたことが望ましい。
【０００９】
また前記(c)段階は、(c-１) 投影された映像に対してパターン量子化値を計算する段階と、(c-２) 投影された映像を一レベル下に分解する段階と、(c-３) 所定の臨界値を使用して分解された結果データからノイズを除去する段階と、(c-４) ノイズが除去されたデータに対してパターン量子化値を計算する段階と、(c-５) 現在のパターン量子化値と以前のパターン量子化値とが同一であるかどうかを識別する段階と、(c-６) 現在のパターン量子化値と以前のパターン量子化値とが同じ場合には臨界値を高めて前記(c-３)段階に分岐する段階と、(c-７) 現在のパターン量子化値と以前のパターン量子化値とが同一でない場合には以前のパターン量子化値を最終パターン量子化値に設定する段階とを含むことが望ましい。
【００１０】
また前記(d)段階は、(d') 前記(c-７)段階で設定されたパターン量子化値と臨界値とに基づいて映像のパターン反復を記述する段階を含むことが望ましい。
【００１１】
前記課題を解決するために本発明の他の側面に係る映像のパターン反復記述方法は、(a) 映像をあらかじめ決まった方向を有する所定の軸上に投影する段階と、(b) 以前のパターン量子化値と分解後のパターン量子化値とがそのまま維持されるレベルまで分解を行うことによってノイズを除去する段階と、(c) 少なくともレベルナンバーとノイズとが除去されたデータのパターン量子化値とノイズ除去とに使用した臨界値中でいずれか一つを使用して映像のパターン反復を記述する段階とを含むことを特徴とする。
【００１２】
前記他の課題を解決するために本発明の一側面に係る映像の凝集化方法は、多数の映像が貯蔵された映像データベース内で類似のテクスチャー特徴を有する映像を凝集化する方法において、(a) 映像をあらかじめ決まった方向を有する所定の軸上に投影する段階と、(b) 投影された映像を一レベル下に分解する段階と、(c) パターン量子化値が維持される値まで臨界値を高めながら分解されたデータでノイズを除去する段階と、(d) ノイズが除去されたデータのパターン量子化値とノイズ除去とに使用した臨界値とを含むパターン反復ベクトルを映像のパターン反復記述子として決定する段階と、(e) 前記映像のパターン反復記述子を使用して類似のテクスチャー特徴を有する映像を凝集化する段階とを含むことを特徴とする。
【００１３】
前記他の課題を解決するために本発明の他の側面に係る映像の凝集化方法は、多数の映像が貯蔵された映像データベース内で類似のテクスチャー特徴を有する映像を凝集化する方法において、(a) 映像をあらかじめ決まった方向を有する所定の軸上に投影する段階と、(b) 以前のパターン量子化値と分解後のパターン量子化値とがそのまま維持されるレベルまで分解を行うことによってノイズを除去する段階と、(c) ノイズが除去されたデータのレベルナンバー、パターン量子化値、及びノイズ除去に使用した臨界値を映像のパターン反復記述子として決定する段階と、(e) 前記映像のパターン反復記述子を使用して類似のテクスチャー特徴を有する映像を凝集化する段階とを含むことを特徴とする。
【００１４】
【発明の実施の形態】
以下添付した図面を参照して本発明の望ましい実施形態をる詳細に説明する。
【００１５】
図１には、本発明の実施形態に係る映像のパターン反復記述方法の主要段階をフローチャートとして示した。図１を参照すれば、まず、映像をあらかじめ決まった方向を有する所定の軸上に投影する(段階１０２)。投影された映像に対してパターン量子化値を計算する(段階１０３)。量子化値の計算は係数化アルゴリのような公知の自動化されたスキームまたは肉眼が使用でき、これによりパターンの反復周期に基づいて決定される量子化値を得る。以下では量子化値をＰで示す。
【００１６】
なお、投影された映像を一レベル下に分解する(段階１０４)。ただし、分解は離散ウェーブレット変換に基づいて行われうる。ウェーブレット変換はノイズ除去過程を含むので、ウェーブレット変換によって投影された映像から低周波数成分を抽出する。例えば、投影を示す特徴ベクトルＡ￣（ただし、“Ａ￣”において、“￣”は“Ａ”の上に付されるものとする）の長さを２nとすれば、前記各特徴ベクトルはｎレベルに分解されうる。すなわち、特徴ベクトルＡ￣は、
【数１】
のように示されうる。また、特徴ベクトルＡ￣は平均和Ａ1￣（ただし、“Ａ1￣”において、“￣”は“Ａ”の上に付されるものとする）と平均差Ｄ1￣（ただし、“Ｄ1￣”において、“￣”は、“Ｄ”の上に付されるものとする）とに分解されうる。すなわち、Ａ￣＝Ａ1￣＋Ｄ1￣として再び使える。
【００１７】
また、Ｌは使われたウェーブレット支援の長さであり、スケーリング空間内の基底ベクトルＶ1 1￣（ただし、“Ｖ1 1￣”において、“￣”は、“Ｖ1”の上に付されるものとする）は、
【数２】
であり、前記スケーリング空間と結合されたウェーブレット空間内での基底ベクトルＷ1 1￣（ただし、“Ｗ1 1￣”において、“￣”は、“Ｗ1”の上に付されるものとする）は、
【数３】
とする時、平均和Ａ1￣と平均差Ｄ1￣とは各々、
【数４】
【数５】
のように示されうる。一定の周期性を維持するために基底ベクトルは開始部分の周辺が覆われうる。すなわち、ベクトル内の左側部分から置かれる０の個数は２iで添字ｉによって決定される。
【００１８】
スケーリング係数とウェーブレット係数に対する平均和と平均差の項を使用するα及びβ間の関係は適切に決定される。たとえば、βi＝−１i+1αL+1-iの関係が成立する。
【００１９】
なお、次の数学式
【数６】
【数７】
を使用して以前の平均和に対して順次に分解する演算が行われうる。平均和と平均差で分解する演算の性質によって、平均和は原始特徴ベクトルを記述するためのほとんど全ての基本情報が維持され、平均差は多変しうる成分に属する特徴ベクトル部分が維持される。この実施形態では一般的なノイズ除去を目的としたレベル下に分解した場合を例として説明する。
【００２０】
次に、所定の臨界値を使用して分解された結果データからノイズを除去し(段階１０６)、ノイズが除去されたデータに対してパターン量子化値を計算する(段階１０８)。
【００２１】
現在のパターン量子化値と以前のパターン量子化値とが同一であるかどうかを識別する(段階１１０)。現在のパターン量子化値と以前のパターン量子化値とが同じ場合は該当臨界値を使用してノイズを除去してもパターン規則性が変化せずに維持されるということを意味する。しかし、パターン量子化値と以前のパターン量子化値が違う場合は該当臨界値を使用してノイズを除去すればパターン規則性が変化したということを意味する。
【００２２】
したがって、現在のパターン量子化値と以前のパターン量子化値とが同じ場合には臨界値を高めて(段階１１２)段階(１０６)を行う。現在のパターン量子化値と以前のパターン量子化値とが同一でない場合には以前のパターン量子化値を最終パターン量子化値に設定する(段階１１４)。なお、段階(１１４)で求めたパターン量子化値と臨界値に基づいて映像のパターン反復を記述する(段階１１６)。前記量子化値と前記臨界値とは数字で表示され、このような数字を使用して表現される映像のパターン反復を記述できる。また、前記のような映像のパターン反復記述方法によれば、映像内に存在しうるノイズを効率的に除去することによって、映像内のパターンの反復性を効率的に記述できる。
【００２３】
前記パターン反復記述方法によれば、映像内のパターン反復についての情報を抽出し、抽出されたパターン反復についての情報を参照してノイズ除去を行うことによって原映像内のパターン反復にほとんど損傷なしに原映像内に存在しうるノイズを効率的に除去する。また、ノイズが除去されることによってより明確なパターン反復を得、得られた映像のパターン反復に基づいて決定される量子化値を使用してインデクシングすることによって、周期的なパターンを有する映像を詳細に分類して貯蔵できる。
【００２４】
前記実施形態ではあるレベル下に分解する場合を例として説明した。しかし、複数のレベル下に分解できる。図２には本発明の他の実施形態に係る映像のパターン反復記述方法の主要段階を示した。図２を参照すれば、まず、映像をあらかじめ決まった方向を有する所定の軸上に投影する(段階２０２)。投影された映像に対してパターン量子化値を計算する(段階２０４)。量子化値の計算は係数化アルゴリズムのような自動化されたスキームまたは肉眼が使用でき、これによりパターンの反復周期に基づいて決定される量子化値を得る。以下では量子化値をPで示す。
【００２５】
なお、投影された映像を一レベル下に分解(段階２０６)して、分解された結果データに対して量子化値を計算する(段階２０８)。次に、以前のパターン量子化値と分解後のパターン量子化値とが同一であるかどうかを識別する(段階２１０)。
【００２６】
以前のパターン量子化値と分解後のパターン量子化値とが同じ場合は分解によりノイズを除去してもパターン規則性が変化せずに維持されるということを意味する。しかし、以前のパターン量子化値と分解後のパターン量子化値とが同一でない場合は分解によりノイズを除去すればパターン規則性が変化するということを意味する。
【００２７】
したがって、以前のパターン量子化値と分解後のパターン量子化値とが同じ場合には段階(２０６)を行うことによって結果データを一レベル下に分解し、分解されたデータに対してパターン量子化値を計算(段階２０８)し、以前のパターン量子化値と分解後のパターン量子化値とが同一であるかどうかを識別する(段階２１０)。しかし、以前のパターン量子化値と分解後のパターン量子化値とが同一でない場合には以前のレベルを最終レベルとして設定する(段階２１２)。これにより、以前のパターン量子化値と分解後のパターン量子化値とがそのまま維持されるレベルまで分解が行われる。
【００２８】
なお、段階(２１２)で設定されたレベルのデータに対して所定の臨界値を使用してノイズを除去する(段階２１４)。次に、ノイズが除去されたデータに対してパターン量子化値を計算(段階２１６)し、現在のパターン量子化値と以前のパターン量子化値とが同一であるかどうかを識別(段階２１８)する。
【００２９】
もし、現在のパターン量子化値と以前のパターン量子化値とが同一でないと識別された場合には以前のパターン量子化値を最終パターン量子化値として設定する(段階２２２)。もし、現在のパターン量子化値と以前のパターン量子化値とが同じであると識別された場合には臨界値を高め(段階２２０)、段階(２１４)、段階(２１６)、及び段階(２１８)を反復的に行うことによって現在のパターン量子化値と以前のパターン量子化値とがそのまま維持される臨界値までノイズが除去される。なお、レベルナンバー、パターン量子化値、及び臨界値に基づいて映像のパターン反復を記述する(段階２２４)。
【００３０】
以上で記述した本発明に係るパターン反復記述方法によれば、映像内のパターン反復についての情報を抽出し、抽出されたパターン反復についての情報を参照してノイズ除去を行うことによって元映像内のパターン反復にほとんど損傷なしに原映像内に存在しうるノイズを効率的に除去する。また、ノイズが除去されることによってより明確なパターン反復を得、得られた映像のパターン反復に基づいて決定される量子化値を使用してインデクシングすることによって、パターンを有する映像を詳細に分類して貯蔵できる。
【００３１】
また、前記のような映像のパターン反復記述方法は映像インデクシング方法に適用でき、多数の映像が貯蔵された映像データベース内で類似したテクスチャー特徴を有する映像の凝集化に適用できる。
【００３２】
本発明の一実施形態に係る映像の凝集化方法によれば、前述した本発明の一実施形態に係る映像のパターン反復記述方法で説明したように、パターン量子化値が維持される値まで臨界値を高めながら分解されたデータでノイズを除去し、ノイズが除去されたデータのパターン量子化値とノイズ除去とに使用した臨界値とを含むパターン反復ベクトルを映像のパターン反復記述子として決定する。前記映像のパターン反復記述子を使用して類似したテクスチャー特徴を有する映像を凝集化できる。
【００３３】
また、本発明の他の実施形態に係る映像の凝集化方法によれば、前述した本発明の他の実施形態に係る映像のパターン反復記述方法で説明したように、以前のパターン量子化値と分解後のパターン量子化値とがそのまま維持されるレベルまで分解を行うことによってノイズを除去し、ノイズが除去されたデータのレベルナンバー、パターン量子化値、及びノイズ除去に使用した臨界値を映像のパターン反復記述子として決定する。前記映像のパターン反復記述子を使用して類似したテクスチャー特徴を有する映像を凝集化できる。
【００３４】
前記のような映像の凝集化方法によれば、ノイズが効果的に除去されたパターン反復を使用して凝集化するために凝集化の性能向上を期待できる。
【００３５】
前記のような本発明に係る映像のパターン反復記述方法は個人用またはサーバー級のコンピュータ内で実行されるプログラムで作成できる。前記プログラムを構成するプログラムコード及びコードセグメントは当該分野のコンピュータプログラマによって容易に推論されうる。また、前記プログラムはコンピュータ読取可能記録媒体に貯蔵されうる。前記記録媒体は磁気記録媒体、光記録媒体、及び電波媒体を含む。
【００３６】
【発明の効果】
前述したように本発明に係るパターン反復記述方法は映像内のパターン反復についての情報を抽出し、抽出されたパターン反復についての情報を参照してノイズを除去することによって原映像内のパターン反復にほとんど損傷なしに原映像内に存在しうるノイズを効率的に除去する。また、ノイズが除去されることによってより明確なパターン反復を得るられる。これにより、公知のインデクシングスキームを適用する時に明確なパターン反復に基づいて決定される正確な量子化値を使用してインデクシングすることによって、パターンを有する映像を詳細に分類して貯蔵できる。
【図面の簡単な説明】
【図１】 本発明の一実施形態に係る映像のパターン反復記述方法の主要段階を示したフローチャートである。
【図２】 本発明の他実施形態に係る映像のパターン反復記述方法の主要段階を示したフローチャートである。
【符号の説明】
１０２ 映像をあらかじめ決まった方向を有する所定の軸上に投影する段階
１０４ 投影された映像を一レベル下に分解する段階
１０６ パターン量子化値が維持される値まで臨界値を高めながら分解されたデータでノイズを除去する段階
１１６ ノイズが除去されたデータのパターン量子化値とノイズ除去とに使用した臨界値とを使用して映像のパターン反復を記述する段階
【発明の属する技術分野】
本発明は映像の周期的パターン反復を記述する方法に係り、より詳細には映像内に存在するノイズを効率的に除去して周期的なパターンを正確に記述する方法に関する。
【０００２】
【従来の技術】
映像データで一つの映像と他の映像とを区別するためには干渉パターンに注意またはそれを認識することが重要である。これは映像認識及び映像操作において映像の貯蔵、整列、及び検索側面で非常に重要視される。また、これはテクスチャー特徴を使用したパターン整合の特殊な分野でより良好なパターン認識性能を得るために決定的な要素になる。
【０００３】
本出願人によって出願され、本明細書内で参照として統合される１９９９年３月１９日付で出願された米国特許出願０９/２７２,３２１号には、原始画素値を垂直または水平投影する方法を示している。前記特許資料によれば原始画素値を垂直または水平投影する方法は映像データ内の固有パターンを抽出するための効率的な方法であると記述している。前記方法によれば、映像内に反復されるパターンが含まれていれば投影された映像内にはそのパターンが明確に示される。また、前記特許資料によれば、結果的な投影された映像に自己相関法を適用すれば周期的な特徴を確認または拡大できることが開示されている。しかし、投影された映像内で見つかったパターン反復は相異なるパターン反復の組合わせ及びノイズによって一般的に微細な周期を有しない。特に、映像内のノイズはパターンを不明にする影響を与えるためにこのようなノイズを除去する必要がある。
【０００４】
自動化された周期的パターンカウンティングメカニズムを使用してノイズを低める従来の方法はこのような問題点を一部解決できる。しかし、ノイズを除去すれば映像のパターン反復が変わる問題がある。
【０００５】
【発明が解決しようとする課題】
本発明が解決しようとする技術的課題は、映像内に存在しうるパターン反復を効率的に記述するための映像のパターン反復記述方法に関する。
【０００６】
本発明が解決しようとする他の技術的課題は、前記パターン反復記述方法に基づいて多数の映像が貯蔵された映像データベース内で類似のテクスチャー特徴を有する映像を凝集化する方法を提供することである。
【０００７】
【課題を解決するための手段】
前記課題を解決するために本発明の一側面に係る映像のパターン反復記述方法は、(a) 映像をあらかじめ決まった方向を有する所定の軸上に投影する段階と、(b) 投影された映像を一レベル下に分解する段階と、(c) パターン量子化値が維持される値まで臨界値を高めながら分解されたデータでノイズを除去する段階と、(d) ノイズが除去されたデータのパターン量子化値とノイズ除去おに使用した臨界値を使用して映像のパターン反復を記述する段階とを含むことを特徴とする。
【０００８】
また、前記分解は離散ウェーブレット変換に基づいたことが望ましい。
【０００９】
また前記(c)段階は、(c-１) 投影された映像に対してパターン量子化値を計算する段階と、(c-２) 投影された映像を一レベル下に分解する段階と、(c-３) 所定の臨界値を使用して分解された結果データからノイズを除去する段階と、(c-４) ノイズが除去されたデータに対してパターン量子化値を計算する段階と、(c-５) 現在のパターン量子化値と以前のパターン量子化値とが同一であるかどうかを識別する段階と、(c-６) 現在のパターン量子化値と以前のパターン量子化値とが同じ場合には臨界値を高めて前記(c-３)段階に分岐する段階と、(c-７) 現在のパターン量子化値と以前のパターン量子化値とが同一でない場合には以前のパターン量子化値を最終パターン量子化値に設定する段階とを含むことが望ましい。
【００１０】
また前記(d)段階は、(d') 前記(c-７)段階で設定されたパターン量子化値と臨界値とに基づいて映像のパターン反復を記述する段階を含むことが望ましい。
【００１１】
前記課題を解決するために本発明の他の側面に係る映像のパターン反復記述方法は、(a) 映像をあらかじめ決まった方向を有する所定の軸上に投影する段階と、(b) 以前のパターン量子化値と分解後のパターン量子化値とがそのまま維持されるレベルまで分解を行うことによってノイズを除去する段階と、(c) 少なくともレベルナンバーとノイズとが除去されたデータのパターン量子化値とノイズ除去とに使用した臨界値中でいずれか一つを使用して映像のパターン反復を記述する段階とを含むことを特徴とする。
【００１２】
前記他の課題を解決するために本発明の一側面に係る映像の凝集化方法は、多数の映像が貯蔵された映像データベース内で類似のテクスチャー特徴を有する映像を凝集化する方法において、(a) 映像をあらかじめ決まった方向を有する所定の軸上に投影する段階と、(b) 投影された映像を一レベル下に分解する段階と、(c) パターン量子化値が維持される値まで臨界値を高めながら分解されたデータでノイズを除去する段階と、(d) ノイズが除去されたデータのパターン量子化値とノイズ除去とに使用した臨界値とを含むパターン反復ベクトルを映像のパターン反復記述子として決定する段階と、(e) 前記映像のパターン反復記述子を使用して類似のテクスチャー特徴を有する映像を凝集化する段階とを含むことを特徴とする。
【００１３】
前記他の課題を解決するために本発明の他の側面に係る映像の凝集化方法は、多数の映像が貯蔵された映像データベース内で類似のテクスチャー特徴を有する映像を凝集化する方法において、(a) 映像をあらかじめ決まった方向を有する所定の軸上に投影する段階と、(b) 以前のパターン量子化値と分解後のパターン量子化値とがそのまま維持されるレベルまで分解を行うことによってノイズを除去する段階と、(c) ノイズが除去されたデータのレベルナンバー、パターン量子化値、及びノイズ除去に使用した臨界値を映像のパターン反復記述子として決定する段階と、(e) 前記映像のパターン反復記述子を使用して類似のテクスチャー特徴を有する映像を凝集化する段階とを含むことを特徴とする。
【００１４】
【発明の実施の形態】
以下添付した図面を参照して本発明の望ましい実施形態をる詳細に説明する。
【００１５】
図１には、本発明の実施形態に係る映像のパターン反復記述方法の主要段階をフローチャートとして示した。図１を参照すれば、まず、映像をあらかじめ決まった方向を有する所定の軸上に投影する(段階１０２)。投影された映像に対してパターン量子化値を計算する(段階１０３)。量子化値の計算は係数化アルゴリのような公知の自動化されたスキームまたは肉眼が使用でき、これによりパターンの反復周期に基づいて決定される量子化値を得る。以下では量子化値をＰで示す。
【００１６】
なお、投影された映像を一レベル下に分解する(段階１０４)。ただし、分解は離散ウェーブレット変換に基づいて行われうる。ウェーブレット変換はノイズ除去過程を含むので、ウェーブレット変換によって投影された映像から低周波数成分を抽出する。例えば、投影を示す特徴ベクトルＡ￣（ただし、“Ａ￣”において、“￣”は“Ａ”の上に付されるものとする）の長さを２nとすれば、前記各特徴ベクトルはｎレベルに分解されうる。すなわち、特徴ベクトルＡ￣は、
【数１】
【００１７】
また、Ｌは使われたウェーブレット支援の長さであり、スケーリング空間内の基底ベクトルＶ1 1￣（ただし、“Ｖ1 1￣”において、“￣”は、“Ｖ1”の上に付されるものとする）は、
【数２】
【数３】
【数４】
【００１８】
スケーリング係数とウェーブレット係数に対する平均和と平均差の項を使用するα及びβ間の関係は適切に決定される。たとえば、βi＝−１i+1αL+1-iの関係が成立する。
【００１９】
なお、次の数学式
【数６】
【００２０】
次に、所定の臨界値を使用して分解された結果データからノイズを除去し(段階１０６)、ノイズが除去されたデータに対してパターン量子化値を計算する(段階１０８)。
【００２１】
現在のパターン量子化値と以前のパターン量子化値とが同一であるかどうかを識別する(段階１１０)。現在のパターン量子化値と以前のパターン量子化値とが同じ場合は該当臨界値を使用してノイズを除去してもパターン規則性が変化せずに維持されるということを意味する。しかし、パターン量子化値と以前のパターン量子化値が違う場合は該当臨界値を使用してノイズを除去すればパターン規則性が変化したということを意味する。
【００２２】
したがって、現在のパターン量子化値と以前のパターン量子化値とが同じ場合には臨界値を高めて(段階１１２)段階(１０６)を行う。現在のパターン量子化値と以前のパターン量子化値とが同一でない場合には以前のパターン量子化値を最終パターン量子化値に設定する(段階１１４)。なお、段階(１１４)で求めたパターン量子化値と臨界値に基づいて映像のパターン反復を記述する(段階１１６)。前記量子化値と前記臨界値とは数字で表示され、このような数字を使用して表現される映像のパターン反復を記述できる。また、前記のような映像のパターン反復記述方法によれば、映像内に存在しうるノイズを効率的に除去することによって、映像内のパターンの反復性を効率的に記述できる。
【００２３】
前記パターン反復記述方法によれば、映像内のパターン反復についての情報を抽出し、抽出されたパターン反復についての情報を参照してノイズ除去を行うことによって原映像内のパターン反復にほとんど損傷なしに原映像内に存在しうるノイズを効率的に除去する。また、ノイズが除去されることによってより明確なパターン反復を得、得られた映像のパターン反復に基づいて決定される量子化値を使用してインデクシングすることによって、周期的なパターンを有する映像を詳細に分類して貯蔵できる。
【００２４】
前記実施形態ではあるレベル下に分解する場合を例として説明した。しかし、複数のレベル下に分解できる。図２には本発明の他の実施形態に係る映像のパターン反復記述方法の主要段階を示した。図２を参照すれば、まず、映像をあらかじめ決まった方向を有する所定の軸上に投影する(段階２０２)。投影された映像に対してパターン量子化値を計算する(段階２０４)。量子化値の計算は係数化アルゴリズムのような自動化されたスキームまたは肉眼が使用でき、これによりパターンの反復周期に基づいて決定される量子化値を得る。以下では量子化値をPで示す。
【００２５】
なお、投影された映像を一レベル下に分解(段階２０６)して、分解された結果データに対して量子化値を計算する(段階２０８)。次に、以前のパターン量子化値と分解後のパターン量子化値とが同一であるかどうかを識別する(段階２１０)。
【００２６】
以前のパターン量子化値と分解後のパターン量子化値とが同じ場合は分解によりノイズを除去してもパターン規則性が変化せずに維持されるということを意味する。しかし、以前のパターン量子化値と分解後のパターン量子化値とが同一でない場合は分解によりノイズを除去すればパターン規則性が変化するということを意味する。
【００２７】
したがって、以前のパターン量子化値と分解後のパターン量子化値とが同じ場合には段階(２０６)を行うことによって結果データを一レベル下に分解し、分解されたデータに対してパターン量子化値を計算(段階２０８)し、以前のパターン量子化値と分解後のパターン量子化値とが同一であるかどうかを識別する(段階２１０)。しかし、以前のパターン量子化値と分解後のパターン量子化値とが同一でない場合には以前のレベルを最終レベルとして設定する(段階２１２)。これにより、以前のパターン量子化値と分解後のパターン量子化値とがそのまま維持されるレベルまで分解が行われる。
【００２８】
なお、段階(２１２)で設定されたレベルのデータに対して所定の臨界値を使用してノイズを除去する(段階２１４)。次に、ノイズが除去されたデータに対してパターン量子化値を計算(段階２１６)し、現在のパターン量子化値と以前のパターン量子化値とが同一であるかどうかを識別(段階２１８)する。
【００２９】
もし、現在のパターン量子化値と以前のパターン量子化値とが同一でないと識別された場合には以前のパターン量子化値を最終パターン量子化値として設定する(段階２２２)。もし、現在のパターン量子化値と以前のパターン量子化値とが同じであると識別された場合には臨界値を高め(段階２２０)、段階(２１４)、段階(２１６)、及び段階(２１８)を反復的に行うことによって現在のパターン量子化値と以前のパターン量子化値とがそのまま維持される臨界値までノイズが除去される。なお、レベルナンバー、パターン量子化値、及び臨界値に基づいて映像のパターン反復を記述する(段階２２４)。
【００３０】
以上で記述した本発明に係るパターン反復記述方法によれば、映像内のパターン反復についての情報を抽出し、抽出されたパターン反復についての情報を参照してノイズ除去を行うことによって元映像内のパターン反復にほとんど損傷なしに原映像内に存在しうるノイズを効率的に除去する。また、ノイズが除去されることによってより明確なパターン反復を得、得られた映像のパターン反復に基づいて決定される量子化値を使用してインデクシングすることによって、パターンを有する映像を詳細に分類して貯蔵できる。
【００３１】
また、前記のような映像のパターン反復記述方法は映像インデクシング方法に適用でき、多数の映像が貯蔵された映像データベース内で類似したテクスチャー特徴を有する映像の凝集化に適用できる。
【００３２】
本発明の一実施形態に係る映像の凝集化方法によれば、前述した本発明の一実施形態に係る映像のパターン反復記述方法で説明したように、パターン量子化値が維持される値まで臨界値を高めながら分解されたデータでノイズを除去し、ノイズが除去されたデータのパターン量子化値とノイズ除去とに使用した臨界値とを含むパターン反復ベクトルを映像のパターン反復記述子として決定する。前記映像のパターン反復記述子を使用して類似したテクスチャー特徴を有する映像を凝集化できる。
【００３３】
また、本発明の他の実施形態に係る映像の凝集化方法によれば、前述した本発明の他の実施形態に係る映像のパターン反復記述方法で説明したように、以前のパターン量子化値と分解後のパターン量子化値とがそのまま維持されるレベルまで分解を行うことによってノイズを除去し、ノイズが除去されたデータのレベルナンバー、パターン量子化値、及びノイズ除去に使用した臨界値を映像のパターン反復記述子として決定する。前記映像のパターン反復記述子を使用して類似したテクスチャー特徴を有する映像を凝集化できる。
【００３４】
前記のような映像の凝集化方法によれば、ノイズが効果的に除去されたパターン反復を使用して凝集化するために凝集化の性能向上を期待できる。
【００３５】
前記のような本発明に係る映像のパターン反復記述方法は個人用またはサーバー級のコンピュータ内で実行されるプログラムで作成できる。前記プログラムを構成するプログラムコード及びコードセグメントは当該分野のコンピュータプログラマによって容易に推論されうる。また、前記プログラムはコンピュータ読取可能記録媒体に貯蔵されうる。前記記録媒体は磁気記録媒体、光記録媒体、及び電波媒体を含む。
【００３６】
【発明の効果】
前述したように本発明に係るパターン反復記述方法は映像内のパターン反復についての情報を抽出し、抽出されたパターン反復についての情報を参照してノイズを除去することによって原映像内のパターン反復にほとんど損傷なしに原映像内に存在しうるノイズを効率的に除去する。また、ノイズが除去されることによってより明確なパターン反復を得るられる。これにより、公知のインデクシングスキームを適用する時に明確なパターン反復に基づいて決定される正確な量子化値を使用してインデクシングすることによって、パターンを有する映像を詳細に分類して貯蔵できる。
【図面の簡単な説明】
【図１】 本発明の一実施形態に係る映像のパターン反復記述方法の主要段階を示したフローチャートである。
【図２】 本発明の他実施形態に係る映像のパターン反復記述方法の主要段階を示したフローチャートである。
【符号の説明】
１０２ 映像をあらかじめ決まった方向を有する所定の軸上に投影する段階
１０４ 投影された映像を一レベル下に分解する段階
１０６ パターン量子化値が維持される値まで臨界値を高めながら分解されたデータでノイズを除去する段階
１１６ ノイズが除去されたデータのパターン量子化値とノイズ除去とに使用した臨界値とを使用して映像のパターン反復を記述する段階
Claims (5)
- 映像信号の記述信号を生成する方法であって、
（ａ）あらかじめ決まった軸上に沿って映像信号の画素値を投影する段階と、
（ｂ）前記投影された画素値のパターン量子化値を計算し、投影された映像を分解する段階と、
（ｃ）臨界値を用いて分解されたデータのノイズを除去し、ノイズ除去されたデータの新たなパターン量子化値を計算し、２回連続反復して該量子化値が同一とならなくなるまでノイズ除去の臨界値を増加させる処理を繰り返して行う段階と、
（ｄ）最後から２番目のパターン量子化値とその臨界値とを用いて、前記映像信号のパターン反復記述信号を生成する段階と
を含み、
前記分解がウェーブレット成分により行われ、前記分解されたデータが前記分解の平均和であることを特徴とする映像信号の記述信号を生成する方法。 - 前記（ｂ）段階にて、新たなパターン量子化値が前回のパターン量子化値と異なるまで、投影された画素値を一レベル下に繰り返し分解し、かつ新たなパターン量子化値を計算する処理を繰り返し、前記（ｃ）段階の初期の量子化値として、（ｂ）段階で得られた最後から２番目の量子化値を用い、
前記分解がウェーブレット成分により行われ、前記繰り返した分解の平均和が次の反復に対する投影された画素値を構成する
ことを特徴とする請求項１記載の映像信号の記述信号を生成する方法。 - 記述信号が最後から２番目の量子化値とその臨界値に基づいていることを特徴とする請求項１または請求項２に記載の映像信号の記述信号を生成する方法。
- 映像信号入力，特徴信号出力及び演算手段とを具備する映像信号記述装置において、該演算手段が請求項１，２，３の方法を実行するようプログラム化され、演算手段が前記信号入力手段により信号を受信し、前記信号出力により結果の記述信号を出力することを特徴とする映像信号記述装置。
- 複数の映像が貯蔵された映像データベース内で類似のテクスチャ特徴を有する映像を凝集化する方法において、
請求項１から請求項３のいずれかの方法を複数の映像信号に対して実行し、反復の特徴信号により映像を凝集化する映像の凝集化方法。
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US20795700P | 2000-05-31 | 2000-05-31 | |
| KR10-2000-0061545A KR100374604B1 (ko) | 2000-05-31 | 2000-10-19 | 영상의 패턴 반복 기술 방법 및 그 영상 응집화 방법 |
| KR200061545 | 2000-10-19 | ||
| KR207,957 | 2000-10-19 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2002112071A JP2002112071A (ja) | 2002-04-12 |
| JP3636673B2 true JP3636673B2 (ja) | 2005-04-06 |
Family
ID=36643401
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001163493A Expired - Fee Related JP3636673B2 (ja) | 2000-05-31 | 2001-05-30 | 映像のパターン反復記述方法 |
Country Status (4)
| Country | Link |
|---|---|
| EP (1) | EP1162829B1 (ja) |
| JP (1) | JP3636673B2 (ja) |
| CN (1) | CN1241396C (ja) |
| DE (1) | DE60114300T2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2593206B (en) * | 2020-03-19 | 2023-04-26 | Samsung Electronics Co Ltd | Method, apparatus and computer program for generating or updating a texture atlas |
| CN113808030B (zh) * | 2021-05-31 | 2022-09-30 | 荣耀终端有限公司 | 一种噪声的监测方法、电子设备及芯片系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH03282683A (ja) * | 1990-03-30 | 1991-12-12 | Hitachi Ltd | ノイズ量に自動的に適応するパターン検出方法および装置 |
| US5280289A (en) * | 1992-04-23 | 1994-01-18 | Hughes Aircraft Company | Automatic signal thresholding system |
-
2001
- 2001-03-29 CN CNB011121432A patent/CN1241396C/zh not_active Expired - Fee Related
- 2001-03-29 EP EP01302939A patent/EP1162829B1/en not_active Expired - Lifetime
- 2001-03-29 DE DE60114300T patent/DE60114300T2/de not_active Expired - Fee Related
- 2001-05-30 JP JP2001163493A patent/JP3636673B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2002112071A (ja) | 2002-04-12 |
| DE60114300D1 (de) | 2005-12-01 |
| CN1326166A (zh) | 2001-12-12 |
| EP1162829A3 (en) | 2003-05-02 |
| DE60114300T2 (de) | 2006-07-20 |
| EP1162829B1 (en) | 2005-10-26 |
| CN1241396C (zh) | 2006-02-08 |
| EP1162829A2 (en) | 2001-12-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7548633B2 (en) | Data processing apparatus and method, data processing program, and storage medium | |
| US6718045B2 (en) | Method and device for inserting a watermarking signal in an image | |
| US7565017B2 (en) | Palettized image compression | |
| US11430090B2 (en) | Method and apparatus for removing compressed Poisson noise of image based on deep neural network | |
| Huang et al. | Watermark optimization technique based on genetic algorithms | |
| JPH0944657A (ja) | 画像処理方法および装置 | |
| US7460722B2 (en) | Encoding of digital data with determination of sample path | |
| JP3636673B2 (ja) | 映像のパターン反復記述方法 | |
| Heydari et al. | A low complexity wavelet-based blind image quality evaluator | |
| KR100374604B1 (ko) | 영상의 패턴 반복 기술 방법 및 그 영상 응집화 방법 | |
| JPH0944655A (ja) | 画像処理方法および装置 | |
| JP3580544B2 (ja) | デジタル情報埋込・抽出装置及びその方法 | |
| JP2010171655A (ja) | 算術符号化装置及び算術符号化方法 | |
| JP4307485B2 (ja) | 画像処理装置及び画像処理方法 | |
| Xiang et al. | Effective steganalysis of YASS based on statistical moments of wavelet characteristic function and Markov process | |
| US11721007B2 (en) | Facial image editing and enhancement using a personalized prior | |
| Belt | Storage size reduction for the integral image | |
| Dadkhahi et al. | EURASIP Journal on Advances in Signal Processing | |
| US20010046324A1 (en) | Entropic encoding method and device | |
| JP2004289737A (ja) | 画像符号化装置、画像符号化プログラム、及び画像復号化プログラム | |
| JP2008131526A (ja) | 動画像符号化装置及び動画像符号化プログラム | |
| JP2003299083A (ja) | 符号化装置、データ変換装置、符号化プログラムおよびデータ変換プログラム | |
| JP2006157331A (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
| JPH03126079A (ja) | 文字データ処理方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040601 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20040901 |
|
| A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20040906 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20041112 |
|
| TRDD | Decision of grant or rejection written | ||
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20041112 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20041214 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050105 |
|
| 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: 20080114 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090114 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090114 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100114 Year of fee payment: 5 |
|
| LAPS | Cancellation because of no payment of annual fees |