KR100229810B1 - Method for searching image database - Google Patents

Method for searching image database Download PDF

Info

Publication number
KR100229810B1
KR100229810B1 KR1019970029514A KR19970029514A KR100229810B1 KR 100229810 B1 KR100229810 B1 KR 100229810B1 KR 1019970029514 A KR1019970029514 A KR 1019970029514A KR 19970029514 A KR19970029514 A KR 19970029514A KR 100229810 B1 KR100229810 B1 KR 100229810B1
Authority
KR
South Korea
Prior art keywords
image
database
reference image
information
color
Prior art date
Application number
KR1019970029514A
Other languages
Korean (ko)
Other versions
KR19990005319A (en
Inventor
김성범
Original Assignee
전주범
대우전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 전주범, 대우전자주식회사 filed Critical 전주범
Priority to KR1019970029514A priority Critical patent/KR100229810B1/en
Publication of KR19990005319A publication Critical patent/KR19990005319A/en
Application granted granted Critical
Publication of KR100229810B1 publication Critical patent/KR100229810B1/en

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording
    • H04N5/91—Television signal processing therefor
    • H04N5/93—Regeneration of the television signal or of selected parts thereof

Abstract

본 발명은 쿼드트리 분해기법으로 구해진 영상의 특성벡터정보를 이용하여 원하는 영상을 검색할 수 있는 영상 데이타베이스 검색방법에 관한 것이다. 이를 위하여 본 방법은, 사용자로부터 영상 데이터베이스 검색이 요구되면, 소정의 기준영상이 제공되었는 지를 체크하고; 소정의 기준영상이 제공된 것으로 판단되면, 제공된 소정의 기준영상의 모든 영역에 대해 균일한 색을 갖는 영역별로 분할이 이루어질 때까지 소정의 기준영상에 대해 쿼드트리 분해처리를 하고; 쿼드트리 분해처리결과를 이용하여 기준영상에 대한 트리정보를 추출하고; 데이터베이스화되어 있는 영상정보중 하나의 영상에 대한 트리정보를 독출하고; 기준영상에 대한 트리정보와 독출단계에서 독출된 트리정보간의 비교척도(s)를 구하고; 데이터베이스화되어 있는 모든 영상정보에 대한 트리정보와 기준영상에 대한 트리정보간의 각각의 비교척도를 구할 때까지 독출단계 및 비교척도를 구하는 단계를 반복 수행하고; 얻어진 데이터베이스화되어 있는 모든 영상정보에 대응되는 비교척도중 최대값을 갖는 비교척도를 검출하는 단계;데이터베이스화되어 있는 영상중 검출단계에서 검출된 최대값을 갖는 비교척도에 대응되는 영상을 기준영상과 대응되는 영상으로 출력하는 단계를 포함하여 수행되는 것을 특징으로 한다.The present invention relates to an image database search method capable of searching for a desired image using characteristic vector information of an image obtained by quadtree decomposition. To this end, the method checks whether a predetermined reference image is provided when a user searches for an image database; If it is determined that the predetermined reference image is provided, quadtree decomposition processing is performed on the predetermined reference image until segmentation is performed for each region having a uniform color for all regions of the provided predetermined reference image; Extracting tree information about the reference image by using the quadtree decomposition process result; Reading tree information of one image among database image information; Obtaining a comparison scale (s) between the tree information on the reference image and the tree information read in the reading step; A reading step and a step of obtaining a comparison scale are repeated until a respective comparison scale is obtained between tree information of all the database information in the database and tree information of the reference image; Detecting a comparison scale having a maximum value among the comparison scales corresponding to all the image data in the database; the image corresponding to the comparison scale having the maximum value detected in the detection step among the database images; And outputting the corresponding image.

Description

영상 데이터베이스 검색방법How to search video database

본 발명은 영상 데이터베이스 검색방법에 관한 것으로서, 특히, 쿼드트리 분해(Quad-tree Decomposition)기법을 이용한 영상 데이터베이스 검색방법에 관한 것이다.The present invention relates to a video database search method, and more particularly, to a video database search method using a quad-tree decomposition technique.

현재 제안되고 있는 영상 데이터베이스 검색기법은 크게 2가지로 분류된다. 즉, 인덱스정보 등을 이용하여 영상을 검색하는 문자기반(Context Based)검색기법류와 이미지정보를 이용하여 영상을 검색하는 영상기반(Content Based)검색기법류가 그것이다. 전자의 경우에는 여러 가지 장점을 가지고 있기는 하나 분류기준이 애매하여 서지화 과정이 어려운 단점이 있는 반면에 후자의 경우에는 칼라정보를 이용하므로 상술한 문자기반 검색기법류에서의 단점을 보완할 수 있어 최근 각광받는 기법이다. 따라서 영상기반검색기법류에 해당되는 다양한 검색기법들이 개발되고 있는 추세이다.Currently proposed image database retrieval methods are largely classified into two types. That is, a context based search technique for searching an image using index information and the like, and a content based search technique for searching an image using image information. Although the former has various advantages, the classification criteria are ambiguous and the bibliographical process is difficult. On the latter, color information is used to compensate for the shortcomings in the aforementioned character-based retrieval techniques. It is a technique recently attracting attention. Therefore, various search techniques corresponding to image-based search techniques are being developed.

본 발명은 상술한 추세에 따라 안출된 것으로, 쿼드트리 분해기법으로 구해진 영상의 특성벡터정보를 이용하여 원하는 영상을 검색할 수 있는 영상 데이타베이스 검색방법을 제공하는 데 그 목적이 있다.The present invention has been made in accordance with the above-described trend, and an object of the present invention is to provide a method for searching an image database using a feature vector information of an image obtained by a quadtree decomposition technique.

상기 목적을 달성하기 위하여 본 발명에 따른 영상 데이터베이스 검색방법은, 다수의 영상정보를 데이터베이스화하여 저장하고 있는 시스템에서 제공되는 기준영상과 유사한 영상을 상기 데이터베이스화되어 저장되어 있는 영상정보에서 검색하기 위한 영상 데이터베이스 검색방법에 있어서, 사용자로부터 영상 데이터베이스 검색이 요구되면, 소정의 기준영상이 제공되었는 지를 체크하는 단계;체크단계 수행결과 소정의 기준영상이 제공된 것으로 판단되면, 제공된 소정의 기준영상의 모든 영역에 대해 균일한 색을 갖는 영역별로 분할이 이루어질 때까지 소정의 기준영상에 대해 쿼드트리 분해처리를 하는 단계; 쿼드트리 분해처리결과를 이용하여 기준영상에 대한 트리정보를 추출하는 단계; 데이터베이스화되어 있는 영상정보중 하나의 영상에 대한 트리정보를 독출하는 단계; 기준영상에 대한 트리정보와 독출단계에서 독출된 트리정보간의 비교척도(s)를 구하는 단계; 데이터베이스화되어 있는 모든 영상정보에 대한 트리정보와 기준영상에 대한 트리정보간의 각각의 비교척도를 구할 때까지 독출단계 및 비교척도를 구하는 단계를 반복 수행하는 단계; 반복 수행단계의 수행결과, 얻어진 데이터베이스화되어 있는 모든 영상정보에 대응되는 비교척도중 최대값을 갖는 비교척도를 검출하는 단계;데이터베이스화되어 있는 영상중 검출단계에서 검출된 최대값을 갖는 비교척도에 대응되는 영상을 기준영상과 대응되는 영상으로 출력하는 단계를 포함하는 것을 특징으로 한다.In order to achieve the above object, the image database retrieval method according to the present invention is for retrieving images similar to the reference image provided from a system storing and storing a plurality of image information in the database information stored in the database. In the image database search method, if an image database search is requested from a user, checking whether a predetermined reference image has been provided; If it is determined that the predetermined reference image is provided as a result of performing the checking step, all areas of the provided predetermined reference image are provided. Performing a quadtree decomposition process on a predetermined reference image until segmentation is performed for each region having a uniform color for? Extracting tree information on the reference image by using the quadtree decomposition process result; Reading tree information on one image from among database image information; Obtaining a comparison scale s between the tree information on the reference image and the tree information read in the reading step; Repeating a reading step and a step of obtaining a comparison scale until each comparison scale is obtained between the tree information of all the image information in the database and the tree information of the reference image; Detecting a comparison scale having a maximum value among the comparison scales corresponding to all the database information obtained as a result of the iterative performing step; and comparing the comparison scale having the maximum value detected in the detection step among the database images. And outputting a corresponding image as an image corresponding to the reference image.

도 1은 본 발명에 따른 영상 데이터베이스 검색방법을 수행하기 위한 시스템 블럭도,1 is a system block diagram for performing a video database search method according to the present invention;

도 2는 본 발명에 따른 영상 데이터베이스 검색방법에 대한 흐름도,2 is a flowchart illustrating a video database search method according to the present invention;

도 3은 도 2에 도시된 쿼드트리 분해처리단계에 대한 상세 흐름도,3 is a detailed flowchart of a quadtree decomposition process shown in FIG. 2;

도 4b는 본 발명에 따른 쿼드트리 분해 예시도.Figure 4b is a quadtree decomposition example in accordance with the present invention.

＜도면의 주요부분에 대한 부호의 설명＞<Description of the code | symbol about the principal part of drawing>

100:기준영상 제공부 110:사용자 명령인가부100: reference image providing unit 110: user command authorization unit

120:프로세서 130:제 1 데이터베이스120: Processor 130: First database

140:제 2 데이터베이스140: second database

본 발명의 상술한 목적 및 기타 목적과 여러 가지 장점은 이 기술 분야에 숙련된 사람들에 의해 첨부된 도면을 참조하여 하기에 기술되는 발명의 바람직한 실시예로부터 더욱 명확하게 될 것이다.The above and other objects and various advantages of the present invention will become more apparent from the preferred embodiments of the invention described below with reference to the accompanying drawings by those skilled in the art.

이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세하게 설명하기로 한다.Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명에 따른 영상 데이터베이스 검색방법을 수행하기 위한 시스템블럭도로서, 기준영상 제공부(100), 사용자의 명령을 인가하기 위한 사용자 명령인가부(110), 본 발명에 따른 방법으로 영상 데이터베이스를 검색할 수 있도록 전반적인 처리를 하는 프로세서(120), 시스템에 저장되어 있는 N개의 영상에 대한 트리정보를 데이터베이스화하여 저장하고 있는 제 1 데이터베이스(130), 제 1 데이터베이스(130)에 저장되어 있는 트리정보에 대응되는 N개의 영상형태의 정보를 데이터베이스화하여 저장하고 있는 제 2 데이터베이스(140)로 구성된다.1 is a system block diagram for performing a method for searching an image database according to the present invention, the reference image providing unit 100, a user command applying unit 110 for applying a user's command, and an image according to the present invention. The processor 120 performs an overall process so that the database can be searched, and is stored in the first database 130 and the first database 130 that store and treeize the tree information of the N images stored in the system. It consists of a second database 140 that stores database information of the N image types corresponding to the tree information.

도 2 는 본 발명에 따른 영상 데이타베이스 검색방법에 대한 흐름도이다.2 is a flowchart illustrating an image database searching method according to the present invention.

그러면 도 1을 참조하여 도 2에 도시된 흐름도의 동작을 상세하게 설명하기로 한다.Next, the operation of the flowchart shown in FIG. 2 will be described in detail with reference to FIG. 1.

우선, 제 201 단계에서 프로세서(120)는 사용자 명령인가부(110)를 통해 영상 데이터베이스(DB라고도 함) 검색요구명령이 인가되었는 지를 체크한다. 체크결과, 영상 데이터베이스 검색요구명령이 인가되었으면, 제 202 단계로 진행되어 기준영상 제공부(100)를 통해 소정의 기준영상이 전송되었는 지를 체크한다. 여기서 기준영상 제공부(100)는 스캐너와 같이 기존에 사용되고 있는 영상제공장치와 동일하게 구성되어 사용자가 지정한 영상을 기준영상으로서 제공한다.First, in step 201, the processor 120 checks whether an image database (also called a DB) search request command is authorized through the user command applier 110. As a result of the check, if the image database search request command is authorized, the process proceeds to step 202 to check whether a predetermined reference image is transmitted through the reference image providing unit 100. Here, the reference image providing unit 100 is configured in the same manner as the image providing apparatus used in the past, such as a scanner, and provides a user-specified image as a reference image.

제 202 단계의 체크결과, 기준영상이 제공되었으면, 프로세서(120)는 제 203 단계로 진행되어 인가된 기준영상에 대한 쿼드트리 분해 처리를 한다. 쿼드트리 분해처리는 도 3에 도시된 흐름도와 같이 수행된다.If the reference image is provided as a result of the check in step 202, the processor 120 proceeds to step 203 to perform quadtree decomposition on the applied reference image. The quadtree decomposition process is performed as shown in the flowchart shown in FIG.

즉, 프로세서(120)는 쿼드트리 분해처리를 수행하기 위하여 우선, 제 301 단계로 진행된다. 제 301 단계에서 프로세서(120)는 기준영상에 대한 전 영역의 색편차(σ)를 수학식 1과 같이 계산하여 구한다.That is, the processor 120 first proceeds to step 301 to perform quadtree decomposition. In operation 301, the processor 120 calculates and calculates the color deviation σ of the entire region with respect to the reference image as shown in Equation 1.

Figure kpo00001
, (여기서
Figure kpo00002
,
Figure kpo00003
이다.)
Figure kpo00001
 , (here
Figure kpo00002
 ,
Figure kpo00003
 to be.)

수학식 1에서 알수 있는 바와 같이 색편차는 해당 영역에 존재하는 각 화소의 색성분(

Figure kpo00004
)과 해당 영역의 색평균(
Figure kpo00005
)간의 차들의 합이 된다. 이 때 구해진 색편차(σ)는 가장 큰 영상에 대한 색편차이므로 도 4a에 도시된 색편차
Figure kpo00006
의 값이 된다.As can be seen from Equation 1, the color deviation is the color component of each pixel present in the corresponding area.
Figure kpo00004
) And the color average for that area (
Figure kpo00005
Is the sum of the differences. The color deviation σ obtained at this time is the color deviation for the largest image, so the color deviation shown in FIG. 4A is shown.
Figure kpo00006
Becomes the value of.

이와 같이 제 301 단계에서 전체 영상에 대한 색편차가 구해지면, 제 302 단계로 진행되어 구해진 색편차(σ=

Figure kpo00007
)가 미리 설정된 색편차 임계값
Figure kpo00008
보다 큰지를 체크한다. 여기서 색편차 임계값
Figure kpo00009
는 해당 영상영역이 균일한 색을 갖는 지를 판단할 수 있는 기준정보이다.When the color deviation of the entire image is obtained in step 301 as described above, the process proceeds to step 302 where the color deviation (σ =
Figure kpo00007
) Color preset threshold
Figure kpo00008
Check if greater than Where the color deviation threshold
Figure kpo00009
Is reference information for determining whether the corresponding image area has a uniform color.

따라서 제 302 단계의 체크결과, 색편차 σ(=

Figure kpo00010
)가 임계값
Figure kpo00011
보다 크지 않은 경우에는 전체 영상의 색이 균일한 경우이므로 프로세서(120)는 제 303 단계로 진행되어 쿼드트리 분해처리작업을 종료한다.Therefore, as a result of the check in step 302, the color deviation
Figure kpo00010
) Is the threshold
Figure kpo00011
If it is not larger than the color of the entire image is uniform, the processor 120 proceeds to step 303 to end the quadtree decomposition process.

그러나 제 302 단계의 체크결과, 색편차 σ(=

Figure kpo00012
)가
Figure kpo00013
보다 큰 경우에는 전체 영상영역이 균일한 색을 갖지 않는 경우이므로 제 304 단계로 진행되어 도 4b에 도시된 바와 같이 해당 영상에 대한 4등분처리를하여 하부영역으로 나눈다. 그리고 제 305 단계로 진행되어 4등분된 각 영상영역에 대해 수식 1을 적용하여 각각의 색편차(
Figure kpo00014
,
Figure kpo00015
,
Figure kpo00016
,
Figure kpo00017
)를 구한다.However, as a result of the check in step 302, the color deviation?
Figure kpo00012
)end
Figure kpo00013
If it is larger, the entire image area does not have a uniform color, and therefore, the process proceeds to step 304 and the image is divided into lower regions by performing quadrant processing on the image as shown in FIG. 4B. In operation 305, Equation 1 is applied to each of the image regions divided into four equal parts.
Figure kpo00014
,
Figure kpo00015
,
Figure kpo00016
,
Figure kpo00017
)

그리고 제 302 단계로 리턴되어 구해진 각 색편차(

Figure kpo00018
,
Figure kpo00019
,
Figure kpo00020
,
Figure kpo00021
)를 색편차 임계값
Figure kpo00022
과 비교한다. 비교결과, 모든 색편차가
Figure kpo00023
보다 크지 않은 경우에는 제 303 단계로 진행되어 쿼드트리 분해처리작업을 종료한다. 그러나 적어도 1개 이상의 색편차가
Figure kpo00024
보다 크면 제 304 단계로 진행되어
Figure kpo00025
보다 큰 색편차를 갖는 영상영역에 대해 다시 4등분하여 하부영역으로 나누는 작업과 나누어진 각 영역에 대한 색편차를 구하는 작업을 반복 수행한다.In addition, each color deviation (
Figure kpo00018
,
Figure kpo00019
,
Figure kpo00020
,
Figure kpo00021
Color deviation threshold
Figure kpo00022
Compare with As a result, all the color deviation
Figure kpo00023
If not, the flow proceeds to step 303 and ends the quadtree decomposition process. But at least one color deviation
Figure kpo00024
If larger than step 304,
Figure kpo00025
The image region having a larger color deviation is divided into four regions and the operation is performed to calculate the color deviation for each divided region.

예를 들어

Figure kpo00026
색편차만
Figure kpo00027
보다 큰 경우에 도 4c에 도시된 바와같이
Figure kpo00028
영상영역에 대해 4등분처리를 하고 4등분된 각 영상영역에 대한 색편차(
Figure kpo00029
,
Figure kpo00030
,
Figure kpo00031
,
Figure kpo00032
)를 구한다. 그리고 구해진 각 색편차(
Figure kpo00033
,
Figure kpo00034
,
Figure kpo00035
,
Figure kpo00036
)를 색편차 임계값
Figure kpo00037
와 비교하여 상술한 과정을 반복 수행한다. 이와 같은 쿼드트리 분해처리는 분할된 영상영역이 미리 정한 최소단위의 영상영역에 도달하거나 모든 영역이 균일한 색을 갖게 될 때까지 반복적으로 이루어진다.E.g
Figure kpo00026
Only color deviation
Figure kpo00027
If greater, as shown in FIG. 4C
Figure kpo00028
Four-segmentation on the image area and color deviation
Figure kpo00029
,
Figure kpo00030
,
Figure kpo00031
,
Figure kpo00032
) And each color deviation
Figure kpo00033
,
Figure kpo00034
,
Figure kpo00035
,
Figure kpo00036
Color deviation threshold
Figure kpo00037
The above-described process is repeated in comparison with. The quadtree decomposition process is repeatedly performed until the divided image region reaches the image region of a predetermined minimum unit or all regions have a uniform color.

프로세서(120)는 기준영상에 대한 쿼드트리 분해처리가 완료되면, 제 204 단계로 진행되어 쿼드트리 분해처리에 의해 얻어진 색편차를 이용하여 기준영상에 대한 트리정보를 추출한다. 즉, 가장 큰 영상에 해당되는 트리의 수준이 0이라 하고 분기가 이루어질 때마다(4등분처리가 이루어질 때마다) 1씩 수준이 증가한다면 하나의 기준영상에 대한 트리정보는 수학식 2와 같은 특성벡터

Figure kpo00038
,
Figure kpo00039
으로 추출된다. 여기서
Figure kpo00040
은 해당 영상에 대한 색편차의 집합이고,
Figure kpo00041
은 해당 영상에 대한 색평균 집합이다.When the quadtree decomposition process on the reference image is completed, the processor 120 proceeds to step 204 to extract tree information on the reference image using the color deviation obtained by the quadtree decomposition process. That is, if the level of the tree corresponding to the largest image is 0 and the level is increased by 1 every time a branch is made (when each quadrant processing is performed), the tree information of one reference image is characterized by Equation 2 vector
Figure kpo00038
,
Figure kpo00039
Is extracted. here
Figure kpo00040
Is the set of color deviations for that image,
Figure kpo00041
Is the set of color averages for the image.

Figure kpo00042
Figure kpo00042

Figure kpo00043
Figure kpo00043

(여기서

Figure kpo00044
이다.)(here
Figure kpo00044
to be.)

그 다음 제 205 단계로 진행되어 제 1 데이터베이스(130)로부터 하나의 영상에 대한 트리정보를 독출한다. 이 때 독출되는 트리정보 역시 수학식2에서와 같은 해당 영상에 대한 특성벡터정보로 구성된다.In operation 205, tree information of one image is read from the first database 130. The tree information read at this time is also composed of the characteristic vector information of the corresponding image as shown in Equation 2.

제 1 데이터베이스(130)로부터 하나의 영상에 대한 트리정보가 독출되면, 제 206 단계로 진행되어 프로세서(120)는 기준영상에 대한 2특성벡터로 표현되는 트리정보와 제 1 데이터베이스(130)로부터 독출된 2특성벡터로 표현된 트리정보간의 비교척도(s)를 수학식 3과 같이 구한다.When the tree information of one image is read from the first database 130, the process proceeds to step 206 and the processor 120 reads the tree information represented by the two characteristic vectors of the reference image and the first database 130. The comparison scale s between the tree information represented by the two characteristic vectors is calculated as in Equation 3.

Figure kpo00045
Figure kpo00045

수학식 3에서 R은 기준 영상에 대한 특성벡터이고, D는 제 1 데이터베이스(130)로부터 독출된 비교대상이 되는 영상에 대한 특성벡터이다. 따라서

Figure kpo00046
과
Figure kpo00047
은 기준영상에 대한 색편차의 집합과 색평균의 집합이 되고,
Figure kpo00048
와
Figure kpo00049
는 독출된 영상에 대한 색편차의 집합과 색평균의 집합이 된다. 그리고 수식 3에서 α는 가중치로서, 사용자의 가중치 명령에 따라 결정되고,
Figure kpo00050
특성벡터와
Figure kpo00051
특성벡터의 가중치를 다르게 설정하기 위해 이용된다.In Equation 3, R is a feature vector for the reference image, and D is a feature vector for the image to be compared from the first database 130. therefore
Figure kpo00046
and
Figure kpo00047
Becomes a set of color deviations and color averages for the reference image,
Figure kpo00048
Wow
Figure kpo00049
Is a set of color deviations and color averages for the read image. In Equation 3, α is a weight, which is determined according to a user's weight command.
Figure kpo00050
Vector
Figure kpo00051
It is used to set the weight of the feature vector differently.

그리고 제 207 단계로 진행되어 제 1 데이터베이스(130)에 저장되어 있는 각 영상의 트리정보에 대한 비교척도 s가 구해졌는 지를 체크한다. 체크결과, 아직 비교척도 s가 구해지지 않는 트리정보가 존재하는 경우에 모든 트리정보에 대한 s가 구해질 때까지 상술한 제 205 단계에서 제 207 단계를 반복 수행한다.In operation 207, it is checked whether a comparison scale s for tree information of each image stored in the first database 130 is obtained. As a result of the check, if there is tree information for which the comparison scale s is not yet obtained, steps 205 through 207 are repeated until s for all the tree information is obtained.

제 207 단계의 체크결과, 제 1 데이터베이스(130)에 저장되어 있는 모든 트리정보에 대한 비교척도가 구해졌으면 제 208 단계로 진행되어 구해진 비교척도들중 가장 큰값을 검출한다. 그리고 제 209 단계로 진행되어 가장 큰 s값을 갖는 트리정보에 대응되는 영상신호가 독출될 수 있도록 제 1 데이터베이스(130)로 선택된 s에 대응되는 트리정보에 대한 정보를 전송하면, 제 1 데이터베이스(130)는 해당 트리정보에 대응되는 영상정보가 제 2 데이터베이스(140)로부터 독출되어 출력될 수 있도록 해당 어드레스정보를 제 2 데이터베이스(140)로 전송한다. 이에 따라 제 2 데이터베이스(140)로부터 기준영상에 근접한 하나의 영상이 출력되게 된다.As a result of the check in step 207, if a comparison scale for all tree information stored in the first database 130 is obtained, the process proceeds to step 208 to detect the largest value among the obtained comparison scales. In operation 209, when the information on the tree information corresponding to the selected s is transmitted to the first database 130 so that the video signal corresponding to the tree information having the largest s value can be read out, the first database ( 130 transmits the address information to the second database 140 so that the image information corresponding to the tree information can be read and output from the second database 140. Accordingly, one image close to the reference image is output from the second database 140.

이상에서 설명한 바와 같이 본 발명은 쿼드트리 분해방식을 이용한 영상기반검색기법으로 영상에 대한 데이터베이스를 검색함으로써, 기준영상에 근접한 영상을 정확하게 검출할 수 있는 효과가 있다.As described above, the present invention has an effect of accurately detecting an image close to a reference image by searching a database of images by an image-based retrieval technique using a quadtree decomposition.

본 발명은 상술한 실시예로서 설명되었으나 당업자라면 본 발명의 기술사상을 일탈하지 아니하는 범위에서 다양한 변경 및 수정이 가능함을 알 수 있을 것이다. 따라서 본 발명의 기술적 범위는 명세서의 상세한 설명에 기재된 내용으로 한정되는 것이 아니라 특허청구의 범위에 의하여 정하여져야 한다.Although the present invention has been described as the above-described embodiment, those skilled in the art will appreciate that various changes and modifications can be made without departing from the spirit of the present invention. Therefore, the technical scope of the present invention should not be limited to the contents described in the detailed description of the specification but should be defined by the claims.

Claims (6)

다수의 영상정보를 데이터베이스화하여 저장하고 있는 시스템에서 제공되는 기준영상과 유사한 영상을 상기 데이터베이스화되어 저장되어 있는 영상정보에서 검색하기 위한 영상 데이터베이스 검색방법에 있어서,In the image database retrieval method for retrieving the image similar to the reference image provided by the system that stores a plurality of image information in the database from the image information stored in the database, 사용자로부터 영상 데이터베이스 검색이 요구되면, 소정의 기준영상이 제공되었는 지를 체크하는 단계;If an image database search is requested from a user, checking whether a predetermined reference image is provided; 상기 체크단계 수행결과 상기 소정의 기준영상이 제공된 것으로 판단되면, 제공된 상기 소정의 기준영상의 모든 영역에 대해 균일한 색을 갖는 영역별로 분할이 이루어질 때까지 상기 소정의 기준영상에 대해 쿼드트리 분해처리를 하는 단계;If it is determined that the predetermined reference image is provided as a result of performing the check step, quadtree decomposition processing is performed on the predetermined reference image until segmentation is performed for each region having a uniform color for all regions of the provided predetermined reference image. Doing; 상기 쿼드트리 분해처리결과를 이용하여 상기 기준영상에 대한 트리정보를 추출하는 단계;Extracting tree information on the reference image using the quadtree decomposition process result; 상기 데이터베이스화되어 있는 영상정보중 하나의 영상에 대한 트리정보를 독출하는 단계;Reading tree information of one image among the database image information; 상기 기준영상에 대한 트리정보와 상기 독출단계에서 독출된 트리정보간의 비교척도(s)를 구하는 단계;Obtaining a comparison scale (s) between the tree information on the reference image and the tree information read in the reading step; 상기 데이터베이스화되어 있는 모든 영상정보에 대한 트리정보와 상기 기준영상에 대한 트리정보간의 각각의 비교척도를 구할 때까지 상기 독출단계 및 비교척도를 구하는 단계를 반복 수행하는 단계;Repeatedly performing the reading step and the step of obtaining the comparison scale until each comparison scale is obtained between the tree information of all the image information in the database and the tree information of the reference image; 상기 반복 수행단계의 수행결과, 얻어진 상기 데이터베이스화되어 있는 모든 영상정보에 대응되는 비교척도중 최대값을 갖는 비교척도를 검출하는 단계;Detecting a comparison scale having a maximum value among comparison scales corresponding to all the image information obtained in the database as a result of performing the iteration; 상기 데이터베이스화되어 있는 영상중 상기 검출단계에서 검출된 최대값을 갖는 비교척도에 대응되는 영상을 상기 기준영상과 대응되는 영상으로 출력하는 단계를 포함하여 수행되는 것을 특징으로 하는 영상 데이터베이스 검색방법.And outputting an image corresponding to a comparison scale having the maximum value detected in the detecting step among the images imaged in the database as an image corresponding to the reference image. 제 1 항에 있어서, 상기 쿼드트리 분해처리단계는 해당 영역의 색편차와 상기 해당영역이 균일한 색으로 이루어졌는 지를 판단할 수 있는 소정의 임계값의 크기를 비교하여 하부영역으로의 쿼드트리 분해처리여부를 결정하는 것을 특징으로 하는 영상 데이타베이스 검색방법.2. The quadtree decomposition process of claim 1, wherein the quadtree decomposition process compares the color deviation of a corresponding region with a predetermined threshold value to determine whether the corresponding region has a uniform color. Image database search method characterized in that it determines whether or not to process. 제 2 항에 있어서, 상기 쿼드트리 분해처리단계는 상기 해당 영역이 상기 쿼드트리 분해처리에 의해 분할될 수 있는 최소단위의 영역일 경우에 상기 해당 영역의 색이 균일하지 않더라도 상기 쿼드트리 분해처리작업을 중단하는 것을 특징으로 하는 영상 데이터베이스 검색방법.3. The quadtree decomposition processing of claim 2, wherein the quadtree decomposition processing step includes the quadtree decomposition processing operation even if the color of the corresponding region is not uniform when the corresponding region is an area of the smallest unit that can be divided by the quadtree decomposition processing. Image database search method, characterized in that for stopping. 제 1 항 또는 제 2 항에 있어서, 상기 트리정보 추출단계에서 추출되는 트리정보와 독출단계에서 독출된 트리정보는 상기 쿼드트리 분해처리단계에 의해 분할된 영역별 색편차 정보의 집합으로 구성된 색편차 벡터(
Figure kpo00052
)와 상기 분할된 영역별 색평균값의 집합으로 구성된 색평균값 벡터(
Figure kpo00053
)로 이루어지는 것을 특징으로 하는 영상 데이터베이스 검색방법.The color deviation of claim 1 or 2, wherein the tree information extracted in the tree information extracting step and the tree information read in the reading step are composed of a set of color deviation information for each region divided by the quadtree decomposition process step. vector(
Figure kpo00052
) And a color average value vector consisting of a set of the color average values for each divided region
Figure kpo00053
The image database search method, characterized in that consisting of. 제 4 항에 있어서, 상기 비교척도를 검출하는 단계는 상기 트리정보 추출단계를 통해 추출된 상기 기준영상에 대한 색편차벡터(
Figure kpo00054
(R)) 및 색평균값 벡터(
Figure kpo00055
(R))와 상기 독출단계에서 독출된 색편차벡터(
Figure kpo00056
(D)) 및 색평균값 벡터(
Figure kpo00057
(D))를 하기와 같이 내적하여 해당되는 비교척도(s)를 검출하는 것을 특징으로 하는 영상 데이터베이스 검색방법.5. The method of claim 4, wherein the detecting of the comparison scale comprises: a color deviation vector of the reference image extracted through the tree information extraction step.
Figure kpo00054
(R)) and color average vector (
Figure kpo00055
(R)) and the color deviation vector (read in the reading step)
Figure kpo00056
(D)) and color average vector (
Figure kpo00057
And (D)) as shown below to detect a corresponding comparison scale (s).
Figure kpo00058
Figure kpo00058
 제 4 항에 있어서, 상기 비교척도를 검출하는 단계는 상기 트리정보 추출단계를 통해 추출된 상기 기준영상에 대한 색편차벡터(
Figure kpo00059
(R)) 및 색평균값 벡터(
Figure kpo00060
(R))와 상기 독출단계에서 독출된 색편차벡터(
Figure kpo00061
(D)) 및 색평균값 벡터(
Figure kpo00062
(D))를 하기와 같이 내적하고 상기 색편차벡터와 색평균값 벡터에 대해 별도의 가중치를 부여하여 해당되는 영상과 상기 기준영상간의 비교척도(s)를 검출하는 것을 특징으로 하는 영상 데이터베이스 검색방법.5. The method of claim 4, wherein the detecting of the comparison scale comprises: a color deviation vector of the reference image extracted through the tree information extraction step.
Figure kpo00059
(R)) and color average vector (
Figure kpo00060
(R)) and the color deviation vector (read in the reading step)
Figure kpo00061
(D)) and color average vector (
Figure kpo00062
(D)) as shown in the following, and by applying a separate weight to the color deviation vector and the color average value vector to detect a comparison scale (s) between the corresponding image and the reference image. .
Figure kpo00063
Figure kpo00063
KR1019970029514A 1997-06-30 1997-06-30 Method for searching image database KR100229810B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1019970029514A KR100229810B1 (en) 1997-06-30 1997-06-30 Method for searching image database

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1019970029514A KR100229810B1 (en) 1997-06-30 1997-06-30 Method for searching image database

Publications (2)

Publication Number Publication Date
KR19990005319A KR19990005319A (en) 1999-01-25
KR100229810B1 true KR100229810B1 (en) 1999-11-15

Family

ID=19512476

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1019970029514A KR100229810B1 (en) 1997-06-30 1997-06-30 Method for searching image database

Country Status (1)

Country Link
KR (1) KR100229810B1 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100671099B1 (en) * 1999-09-06 2007-01-17 주식회사 팬택앤큐리텔 Method for comparing similarity of two images and method and apparatus for searching images using the same
US8520893B2 (en) 2010-09-29 2013-08-27 Electronics And Telecommunications Research Institute Method and system for detecting object

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6389417B1 (en) * 1999-06-29 2002-05-14 Samsung Electronics Co., Ltd. Method and apparatus for searching a digital image
KR100422697B1 (en) * 1999-12-27 2004-03-12 엘지전자 주식회사 Color Space Quantization Descriptor
KR100657606B1 (en) * 2004-10-12 2006-12-13 한국과학기술정보연구원 Patent information search system and method thereof, and method and media that can record computer program sources thereof
KR100949799B1 (en) * 2008-06-26 2010-03-30 박영민 Apparatus and method of adaptively extracting feature region in colored image

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100671099B1 (en) * 1999-09-06 2007-01-17 주식회사 팬택앤큐리텔 Method for comparing similarity of two images and method and apparatus for searching images using the same
US8520893B2 (en) 2010-09-29 2013-08-27 Electronics And Telecommunications Research Institute Method and system for detecting object

Also Published As

Publication number Publication date
KR19990005319A (en) 1999-01-25

Similar Documents

Publication Publication Date Title
CA1235514A (en) Video recognition system
EP0807297B1 (en) Method and apparatus for separating foreground from background in images containing text
US5048096A (en) Bi-tonal image non-text matter removal with run length and connected component analysis
US6389417B1 (en) Method and apparatus for searching a digital image
KR101782589B1 (en) Method for detecting texts included in an image and apparatus using the same
US5999653A (en) Fast techniques for searching images using the Hausdorff distance
US7277584B2 (en) Form recognition system, form recognition method, program and storage medium
JP2000285139A (en) Document matching method, describer generating method, data processing system and storage medium
KR20010053788A (en) System for content-based image retrieval and method using for same
KR19990010210A (en) Mass Pattern Matching Device and Method
US20080222113A1 (en) Image search method, apparatus, and program
US6327382B1 (en) Image processing method and apparatus and storage medium therefor
KR100229810B1 (en) Method for searching image database
CN113076961A (en) Image feature library updating method, image detection method and device
JPH10307889A (en) Character recognition method, its device and recording medium recording character recognition program
KR19990016894A (en) How to search video database
JP3215163B2 (en) Ruled line identification method and area identification method
Chakraborty et al. Analytic curve detection from a noisy binary edge map using genetic algorithm
KR0158417B1 (en) Object-locating method using image processing apparatus
JP2792063B2 (en) Character recognition dictionary creation method
KR940011699B1 (en) Method of extracting the image contour from binary image signal
CN115761280A (en) Image point inspection comparison method, electronic equipment and computer readable storage medium
KR0158416B1 (en) Object locating method using contraction of visual data
KR100245337B1 (en) Method and apparatus for searching and classifying range raw file
KR100305590B1 (en) An image retrieval method by using directional edge map

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
LAPS Lapse due to unpaid annual fee