KR100346259B1 - 다수개의 영역특징정보를 이용한 이미지 검색 방법 - Google Patents

다수개의 영역특징정보를 이용한 이미지 검색 방법 Download PDF

Info

Publication number
KR100346259B1
KR100346259B1 KR1019990019607A KR19990019607A KR100346259B1 KR 100346259 B1 KR100346259 B1 KR 100346259B1 KR 1019990019607 A KR1019990019607 A KR 1019990019607A KR 19990019607 A KR19990019607 A KR 19990019607A KR 100346259 B1 KR100346259 B1 KR 100346259B1
Authority
KR
South Korea
Prior art keywords
color
image
sub
representative color
value
Prior art date
Application number
KR1019990019607A
Other languages
English (en)
Other versions
KR20000075161A (ko
Inventor
김현준
Original Assignee
엘지전자주식회사
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 엘지전자주식회사 filed Critical 엘지전자주식회사
Priority to KR1019990019607A priority Critical patent/KR100346259B1/ko
Priority to US09/583,221 priority patent/US6658168B1/en
Publication of KR20000075161A publication Critical patent/KR20000075161A/ko
Application granted granted Critical
Publication of KR100346259B1 publication Critical patent/KR100346259B1/ko

Links

Classifications

    • 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
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G06V10/507—Summing image-intensity values; Histogram projection analysis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S707/00—Data processing: database and file management or data structures
    • Y10S707/99941—Database schema or data structure
    • Y10S707/99944—Object-oriented database structure
    • Y10S707/99945—Object-oriented database structure processing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S707/00—Data processing: database and file management or data structures
    • Y10S707/99941—Database schema or data structure
    • Y10S707/99948—Application of database or data structure, e.g. distributed, multimedia, or image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 내용기반 이미지 검색 시스템에 있어서, 특히 이미지의 전체영역을 다수개의 서브영역 특징정보로 표현하여 이미지 검색을 수행하기 위한 이미지 검색 방법에 관한 것이다.
종래 기술에서는 이미지의 각 서브영역의 칼라정보를 표현하고자 할 때 모든 픽셀에 대한 평균칼라값과 같은 하나의 값으로 서브영역의 칼라정보를 표현하거나, 서브영역에 존재하는 모든 픽셀의 칼라를 칼라 히스토그램으로 구성하는 등의 다수개의 칼라정보로 서브영역 정보를 표현하였다. 그러나 전자의 방법은 서브영역내에 여러 가지의 칼라가 존재할 경우에는 하나의 대표칼라값으로 서브영역정보를 표현하기 어려워 검색 성능의 저하가 발생하며, 후자의 방법은 다수개의 칼라정보를 사용하므로 검색 시간이 오래 걸리는 문제점이 있었다.
본 발명에서는 이미지를 서브영역으로 분할한 후 각 서브영역별로 다수개의 특징정보 즉, 대표칼라와 대표칼라에 대한 신뢰도값, 다수의 서브영역 주요칼라와 각 주요칼라의 빈도수, 칼라특징정보 이외의 에지방향성분과 같은 텍스쳐정보를 구한 다음, 대표칼라에 대한 신뢰도값에 따라서 서로 다른 특징정보를 이용해 이미지 검색을 수행하여 이미지 검색 시스템의 검색 성능을 향상시킬 수 있도록 한 것이다.

Description

다수개의 영역특징정보를 이용한 이미지 검색 방법{Image retrieval method using multiple features per image sub region}
본 발명은 내용기반 이미지 검색 시스템에 있어서, 특히 이미지를 서브영역으로 분할하고, 분할된 각각의 서브영역에 대해서 다수개의 특징정보 즉, 대표칼라와 대표칼라에 대한 신뢰도값, 다수의 서브영역 주요칼라와 각 주요칼라의 서브영역내 빈도수, 텍스쳐정보와 같은 칼라 특징정보 이외의 영역특징정보를 추출한 후, 상기 추출된 대표칼라의 신뢰도값에 따라서 서로 다른 특징정보를 이용해 이미지간유사도 검색을 수행함으로써, 이미지 검색 시스템의 검색 성능을 향상시킬 수 있도록 한 다수개의 영역특징정보를 이용한 이미지 검색 방법에 관한 것이다.
종래의 이미지 검색 시스템에서는 이미지를 서브영역으로 분할한 후 분할된 각각의 서브영역을 다시 픽셀(pixel)단위로 분할하여 모든 픽셀에 대한 평균칼라값 등의 하나의 대표칼라값으로 서브영역 정보를 표현하였다.
이후, 상기와 같이 표현된 서브영역 정보를 이용하여 참조 이미지와 검색대상 이미지간 매칭(matching)을 통해서 유사도 검색을 수행하였다.
그러나, 상기와 같은 이미지 검색 방법에서는 서브영역에 여러 가지의 칼라가 존재할 경우 이미지 정보를 하나의 대표칼라값으로 표현하기가 어려워 검색성능의 저하가 발생하는 문제점이 있었다.
또 다른 종래 이미지 검색 방법으로, 서브영역에 존재하는 모든 픽셀의 칼라를 칼라 히스토그램과 같은 다수의 값으로 구성하여 이를 서브영역 이미지 정보로 이미지 표현해 이미지 검색을 수행하였다.
그러나, 상기와 같이 칼라 히스토그램과 같은 다수개의 칼라값을 이용하는 이미지 검색 방법에서는 칼라 히스토그램이 n차원으로 이루어져 있다면 n차원을 이루는 각각의 요소수만큼을 비교해야 하므로 데이타의 양이 많아져 검색시간이 오래 걸리고, 또한 칼라 히스토그램은 서브영역의 칼라들간의 섞임정도를 표현하지 못하는 문제점이 있었다.
본 발명에서는 이미지를 이미지의 공간적 정보를 반영하기 위하여 특별한 세그멘테이션(Segmentation) 방법이 필요하는 않는 그리드(Grid)영역으로 분할하거나 또는 오브젝트(Object) 기반 등의 방법으로 영역 분할한 후 각각의 서브영역에 대해서 다수개의 특징정보 즉, 대표칼라와 대표칼라에 대한 신뢰도값, 다수의 서브영역 주요칼라와 각 주요칼라의 빈도수, 텍스쳐정보와 같은 칼라특징정보 외의 영역특징정보를 구한 다음, 대표칼라에 대한 신뢰도값에 따라서 서로 다른 특징정보를 이용해 이미지 검색을 수행하여 이미지 검색 시스템의 검색 성능을 향상시킬 수 있도록 한 것이다.
도 1은 본 발명을 적용한 이미지 검색 방법의 실시예를 나타낸 플로우챠트.
도 2는 본 발명에 있어서 이미지의 그리드영역 정보를 대표칼라와 대표칼라에 대한 신뢰도값으로 표현한 일예를 나타낸 도면.
도 3은 본 발명에 있어서 이미지의 그리드영역 정보를 히스토그램으로 표현한 일예를 나타낸 도면.
도 4는 본 발명에 있어서 이미지의 그리드영역 정보를 텍스쳐정보로 표현한 일예를 나타낸 도면.
본 발명 다수개의 영역특징정보를 이용한 이미지 검색 방법은 이미지를 서브영역으로 분할한 후 분할된 각각의 서브영역에 대해서 대표칼라와 대표칼라에 대한 신뢰도값, 다수의 서브영역 주요칼라와 각 주요칼라의 빈도수, 칼라정보 이외의 다른 영역특징정보를 추출하는 제 1과정과, 상기 추출된 서브영역에 대한 대표칼라의 신뢰도값을 일정 임계치와 비교하는 제 2과정과, 비교결과 서브영역에 대한 대표칼라의 신뢰도값이 일정 임계치보다 높으면 대표칼라값을 이용해 유사도 검색을 수행하고, 대표칼라의 신뢰도값이 일정 임계치보다 낮으면 다수의 서브영역 주요칼라와 각 주요칼라의 빈도수, 칼라정보 이외의 다른 영역특징정보를 이용해 유사도 검색을 수행하는 제 3과정으로 진행됨을 특징으로 한다.
이하, 본 발명의 작용효과를 설명하면 다음과 같다.
먼저, 이미지를 임의의 모양으로 영역 분할한 후 분할된 각각의 서브영역에 대해서 대표칼라와 대표칼라의 신뢰도값, 다수의 서브영역 주요칼라와 각 주요칼라의 빈도수, 칼라 정보 이외의 다른 영역특징정보를 구한다.
이때, 이미지의 영역 분할시 이미지는 특별한 세그멘테이션(Segmentation) 방법이 필요하는 않는 그리드(Grid)영역으로 분할하거나 또는 오브젝트(Object) 기반 등의 방법으로 영역 분할할 수 있다.
그리고, 서브영역의 대표칼라값은 서브영역을 일정크기(n×m;n,m은 0일 수도 있음)의 평균 필터링을 거쳐 평균 칼라값으로 구할 수 있고, 다수의 서브영역 주요칼라와 각 주요칼라의 빈도수는 히스토그램으로 구할 수 있으며, 칼라정보 이외의 다른 영역특징정보로는 에지방향 성분과 같은 텍스쳐정보로 구할 수 있다.
이때, 서브영역의 대표칼라와 대표칼라의 신뢰도값, 다수의 서브영역 주요칼라와 각 주요칼라의 빈도수 즉, 서브영역의 칼라정보(Color＿in Subregion＿R)를 수학식으로 표현하면 다음과 같다.
Color＿in Subregion＿R={RRC, RRCS, N, {(Ci,Pi)｜1≤i≥No.＿of＿Colors ＿in＿image}}
여기서, RRC=(R,G,B);대표칼라값
RRCS=대표칼라값의 신뢰도(Confidence measure of RRC)
N=[The number of dominant colors(주요칼라의 수)] i.e. N=Size{(Ci,Pi)｜1≤i≥No.＿of＿Colors＿in＿image}}
Ci=[ith dominant color(i번째 주요칼라)]
Pi=[Frequency of the ith dominant color(i번째 주요칼라의 빈도수)]
이때, 대표칼라값(RRC)을 {(Ci,Pi)｜1≤i≥No.＿of＿Colors＿in＿image}로부터 쉽게 구할 수 있을 경우 대표칼라값은 특징정보 추출시 구하지 않고 검색시 바로 계산하여 사용할 수 있다.
이와같이, 서브영역에 대해서 대표칼라와 대표칼라에 대한 신뢰도값, 다수의 서브영역 주요칼라와 각 주요칼라의 빈도수, 칼라정보외의 다른 영역특징정보를 추출한 다음에는 추출된 서브영역에 대한 대표칼라의 신뢰도값을 일정 임계치와 비교한다.
비교결과 서브영역에 대한 대표칼라의 신뢰도값이 일정 임계치보다 높으면 대표칼라값만을 이용해 참조 이미지와 검색대상 이미지간 유사도 검색을 수행하고, 대표칼라의 신뢰도값이 일정 임계치보다 낮으면 다수의 서브영역 주요칼라와 각 주요칼라의 빈도수, 칼라정보 이외의 다른 영역특징정보를 이용해 참조 이미지와 검색대상 이미지간 유사도 검색을 수행함으로써, 보다 정확한 이미지 검색이 이루어질 수 있다.
도 1은 본 발명을 적용한 이미지 검색 방법의 실시예를 나타낸 것으로,
이미지를 가로 세로 일정비율 즉, 그리드영역(Grid region)으로 분할한 다음 그리드영역을 다시 셀(Cell)단위로 분할하여 각각의 셀에 대해서 대표칼라(C)와 대표칼라에 대한 신뢰도(S)값, 히스토그램(H), 에지(Edge)방향 성분과 같은 텍스쳐(Texture)정보를 추출한다.
도 2는 이미지를 4×3 그리드영역으로 분할한 후 분할된 각각의 그리드영역정보를 대표칼라(C00,C01,C02,…)와 대표칼라에 대한 신뢰도(S00,S01,S02,…)값으로 표현한 것이고, 도 3은 그리드영역 정보를 히스토그램(H00,H01,H02,…)으로 표현한 것이며, 도 4는 그리드영역 정보를 텍스쳐(Texture)정보로 표현한 일예를 나타낸 것이다.
이와같이, 그리드영역의 각 셀에 대해서 대표칼라와 대표칼라에 대한 신뢰도값, 히스토그램, 텍스쳐정보가 추출되면, 각 셀에 대한 대표칼라의 신뢰도(S)값을 일정 임계치(Threshold)값과 비교한다.
이때, 셀에 대한 대표칼라의 신뢰도값이 일정 임계치보다 높으면 대표칼라값(C)을 신뢰할 수 있는 정보로 판단하여 참조 이미지와 검색대상 이미지간 그리드 매칭을 대표칼라값을 이용하여 다음과 같은 식으로 유사도 검색을 수행한다.
Grid＿Sim(Ir,It) = ∑for all m,n〔Cell＿Sim(m,n,Ir,It)〕
Cell＿Sim(m,n,Ir,It) = C olor＿S im(Cmn＿Ir,Cmn＿It)
여기서, Ir은 참조 이미지, I t는 검색대상 이미지,
Grid＿S im은 이미지 그리드간 유사도(0∼1의 값),
Cell＿S im은 이미지 그리드의 셀간 유사도(0∼1의 값),
C olor＿S im은 이미지 그리드의 셀간 칼라유사도(0∼1의 값)로서, 두 셀의 칼라는 칼라 색좌표공간에서 두 점으로 표현되고, 이 두 점간의 거리가 멀어질수록 칼라 유사도는 낮아져 칼라 유사도는 두 점간의 거리에 반비례하며,
m,n은 그리드의 가로셀, 세로셀 개수,
Cmn＿Ir은 참조 이미지 그리드의 m,n번째 셀의 대표칼라값,
Cmn＿It는 검색대상 이미지 그리드의 m,n번째 셀의 대표칼라값이다.
상기 수식에서와 같이, 참조 이미지 그리드의 각 셀에 대한 대표칼라의 신뢰도값(C)이 일정 임계치보다 높으면(Smn＿Ir ＞Threshold;Smn＿Ir은 참조 이미지 그리드의 m,n번째 셀의 대표칼라 신뢰도값) 참조 이미지와 검색대상 이미지간의 유사도는 참조 이미지와 검색대상 이미지 그리드의 셀간 유사도 측정값의 총합이 된다.
따라서, 참조 이미지와 검색대상 이미지의 그리드간 유사도값이 높을수록 참조 이미지와 검색대상 이미지는 유사하다.
한편, 참조 이미지 그리드의 셀에 대한 대표칼라의 신뢰도(S)값이 일정 임계치(Threshold)보다 낮으면 대표칼라값(C)을 신뢰할 수 없는 정보로 판단하여 참조 이미지와 검색대상 이미지간 그리드 매칭을 칼라 히스토그램과 에지방향성분(텍스쳐정보)을 이용하여 다음과 같은 식으로 유사도 검색을 수행한다.
Grid＿Sim(Ir,It) = ∑for all m,n〔Cell＿Sim(m,n,Ir,It)〕
Cell＿Sim (m,n,Ir,It)
AxHisto＿Sim(Hmn＿Ir,Hmn＿It)+BxTex＿Sim(Emn＿Ir,Emn＿It)
여기서, Grid＿Sim은 이미지 그리드간의 유사도(0∼1의 값),
Cell＿Sim은 이미지 그리드의 셀간 유사도(0∼1의 값),
Histo＿Sim은 이미지 그리드간 히스토그램의 유사도(0∼1의 값)(예로서 히스토그램의 인터섹션값(Intersection),
Tex＿Sim은 이미지 그리드간 텍스쳐성분간의 유사도(0∼1의 값),
Hmn＿Ir은 참조 이미지 그리드의 m,n번째 셀의 히스토그램,
Hmn＿It는 검색대상 이미지 그리드의 m,n번째 셀의 히스토그램,
Emn＿Ir은 참조 이미지 그리드의 m,n번째 셀의 에지방향성분,
Emn＿It는 검색대상 이미지 그리드의 m,n번째 셀의 에지방향성분,
A,B는 Histo＿Sim과 Tex＿Sim의 가중치(Weight)값이다.
상기 수식에서와 같이, 참조 이미지 그리드의 각 셀에 대한 대표칼라의 신뢰도값이 일정 임계치보다 낮으면(Smn＿Ir ＜Threshold;Smn＿Ir은 참조 이미지 그리드의 m.n번째 셀의 대표칼라의 신뢰도값) 참조 이미지와 검색대상 이미지의 그리드간 유사도는 참조 이미지와 검색대상 이미지 그리드의 셀간 칼라 히스토그램의 유사도와 텍스쳐정보의 유사도값을 합한 값이 최종적으로 참조 이미지와 검색대상 이미지의 유사도값이 된다.
그리고, 본 발명에서는 빠른 이미지 검색을 수행하고자 할 경우에는 대표칼라와 대표칼라의 신뢰도값만을 이용하여 다음과 같은 식으로 참조이미지와 검색대상 이미지의 그리드간 유사도 검색을 수행한다.
Grid＿Sim(Ir,It) = ∑for all m,n〔Cell＿Sim(m,n,Ir,It)〕
Cell＿Sim(m,n,Ir,It) =
I=1-｜Smn＿Ir-Smn＿It｜
여기서, Grid＿Sim은 이미지 그리드간의 유사도(0∼1의 값),
Cell＿Sim은 이미지 그리드의 셀간 유사도(0∼1의 값),
Color＿Sim은 이미지 그리드의 셀간 칼라유사도(0∼1의 값).
Cmn＿Ir은 참조 이미지 그리드의 m,n번째 셀의 대표칼라값,
Cmn＿It는 검색대상 이미지 그리드의 m,n번째 셀의 대표칼라값,
Smn＿Ir은 참조 이미지 그리드의 m,n번째 셀의 대표칼라 신뢰도값.
Smn＿It은 참조 이미지 그리드의 m,n번째 셀의 대표칼라 신뢰도값,
alpha , beta 는 가중치값(Weight)이다.
상기의 수식에서와 같이, 빠른 이미지 검색시에는 참조 이미지와 검색대상 이미지의 그리드간 유사도 측정은 참조 이미지와 검색대상 이미지 그리드의 셀간 대표칼라의 유사도값과 참조 이미지와 검색대상 이미지 그리드의 셀간 대표칼라의 신뢰도값을 통해서 구해진다.
상기에서 설명한 바와같이, 본 발명에서는 이미지의 각 서브영역 대표칼라 신뢰도값이 신뢰할 수 있는 정보로 판별되면 대표칼라값을 이용해 참조 이미지와 검색대상 이미지간 유사도 검색을 수행하고, 신뢰할 수 없는 정보로 판별되면 다수의 서브영역 주요칼라와 각 주요칼라의 빈도수, 칼라정보 이외의 다른 영역특징정보를 이용해 참조 이미지와 검색대상 이미지간 유사도 검색을 수행하여 보다 정밀한 유사도 검색을 수행할 수 있어 이미지 검색 시스템의 검색 성능을 향상시킬 수 있다.
또한, 서브영역 대표칼라와 대표칼라의 신뢰도값 정보만을 이용해 빠른 이미지 검색을 수행할 수 있어 검색 속도를 향상시킬 수 있는 효과가 있다.

Claims (9)

  1. 이미지를 서브영역으로 분할한 후 분할된 각각의 서브영역에 대해서 대표칼라와 대표칼라에 대한 신뢰도값, 다수의 서브영역 주요칼라와 각 주요칼라의 빈도수를 추출하는 특징정보 추출단계, 상기 특징정보 추출단계에서 추출된 서브영역에 대한 대표칼라의 신뢰도 값을 일정 임계치와 비교하는 신뢰도 비교 단계, 상기 신뢰도 비교결과 서브영역에 대한 대표칼라의 신뢰도값이 일정 임계치보다 높으면 대표칼라값을 이용해서 유사도 검색을 수행하고, 대표칼라의 신뢰도값이 일정 임계치보다 낮으면 다수의 서브영역 주요칼라와 각 주요칼라의 빈도수를 이용해서 유사도 검색을 수행하는 유사도 검색단계로 이루어진 것을 특징으로 하는 다수개의 영역특징정보를 이용한 이미지 검색 방법.
  2. 제 1항에 있어서, 이미지 영역을 임의의 모양으로 분할할 수 있음을 특징으로 하는 다수개의 영역특징정보를 이용한 이미지 검색 방법.
  3. 제 1항에 있어서, 이미지 영역을 그리드영역으로 분할할 수 있음을 특징으로 하는 다수개의 영역특징정보를 이용한 이미지 검색 방법.
  4. 제 1항에 있어서, 이미지 영역을 오브젝트 기반으로 분할할 수 있음을 특징으로 하는 다수개의 영역특징정보를 이용한 이미지 검색 방법.
  5. 제 1항에 있어서, 대표칼라값은 서브영역을 일정크기(n×m;n,m은 0일 수도 있음)의 평균 필터링을 거쳐 평균 칼라값으로 구함을 특징으로 하는 다수개의 영역특징정보를 이용한 이미지 검색 방법.
  6. 제 1항에 있어서, 다수의 서브영역 칼라와 각 칼라의 빈도수를 히스토그램으로 구함을 특징으로 하는 다수개의 영역특징정보를 이용한 이미지 검색 방법.
  7. 제 1항에 있어서, 상기 특징정보 추출단계에서 상기 칼라 특징정보 이외의 영역 특징정보로 텍스쳐 정보를 더 추출하고, 상기 유사도 검색단계에서는 대표칼라의 신뢰도 값이 일정 임계치 보다 낮을 때 다수의 서브 영역 주요칼라와 각 주요 칼라의 빈도수, 상기 추출된 텍스쳐 정보를 이용해서 유사도 검색을 수행하는 것을 특징으로 하는 다수개의 영역특징정보를 이용한 이미지 검색 방법.
  8. 제 1항에 있어서, 서브영역의 대표칼라값을 미리 계산하여 저장해 두지 않고 검색시 다수의 서브영역 주요칼라와 각 주요칼라의 빈도수로부터 구함을 특징으로 하는 다수개의 영역특징정보를 이용한 이미지 검색 방법.
  9. 이미지를 서브영역으로 분할한 후 분할된 각각의 서브영역에 대해서 대표칼라와 대표칼라에 대한 신뢰도값을 추출하는 단계, 상기 추출된 대표칼라와 대표칼라의 신뢰도값을 이용해서 이미지간의 유사도 검색을 수행하는 단계;로 이루어진 것을 특징으로 하는 다수개의 영역특징정보를 이용한 이미지 검색 방법.
KR1019990019607A 1999-05-29 1999-05-29 다수개의 영역특징정보를 이용한 이미지 검색 방법 KR100346259B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1019990019607A KR100346259B1 (ko) 1999-05-29 1999-05-29 다수개의 영역특징정보를 이용한 이미지 검색 방법
US09/583,221 US6658168B1 (en) 1999-05-29 2000-05-30 Method for retrieving image by using multiple features per image subregion

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1019990019607A KR100346259B1 (ko) 1999-05-29 1999-05-29 다수개의 영역특징정보를 이용한 이미지 검색 방법

Publications (2)

Publication Number Publication Date
KR20000075161A KR20000075161A (ko) 2000-12-15
KR100346259B1 true KR100346259B1 (ko) 2002-07-26

Family

ID=19588580

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1019990019607A KR100346259B1 (ko) 1999-05-29 1999-05-29 다수개의 영역특징정보를 이용한 이미지 검색 방법

Country Status (2)

Country Link
US (1) US6658168B1 (ko)
KR (1) KR100346259B1 (ko)

Families Citing this family (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7417640B1 (en) 1999-01-29 2008-08-26 Lg Electronics Inc. Method for dominant color setting of video region and data structure and method of confidence measure extraction
US6389417B1 (en) * 1999-06-29 2002-05-14 Samsung Electronics Co., Ltd. Method and apparatus for searching a digital image
US6963425B1 (en) * 2000-08-14 2005-11-08 National Instruments Corporation System and method for locating color and pattern match regions in a target image
KR20020041898A (ko) * 2000-11-29 2002-06-05 구자홍 화상 정보 검색 방법
US7216295B2 (en) * 2001-12-20 2007-05-08 Canon Kabushiki Kaisha Method of automatic production of image presentations
US20040240752A1 (en) * 2003-05-13 2004-12-02 Dobbs Andrew Bruno Method and system for remote and adaptive visualization of graphical image data
US8755113B2 (en) 2006-08-31 2014-06-17 Moxtek, Inc. Durable, inorganic, absorptive, ultra-violet, grid polarizer
US10298834B2 (en) 2006-12-01 2019-05-21 Google Llc Video refocusing
KR100902938B1 (ko) * 2007-08-28 2009-06-15 인하대학교 산학협력단 영역 필터링을 이용한 영역 기반 이미지 검색 방법
US20100303365A1 (en) * 2009-05-29 2010-12-02 Min Zhang Methods and apparatus to monitor a multimedia presentation including multiple content windows
KR101692764B1 (ko) * 2010-06-14 2017-01-05 주식회사 비즈모델라인 가상 점을 이용한 증강현실 제공 방법
CN102289681B (zh) * 2011-08-05 2014-03-19 上海邮政科学研究院 一种信封图像匹配方法
US10334151B2 (en) 2013-04-22 2019-06-25 Google Llc Phase detection autofocus using subaperture images
US20160140748A1 (en) * 2014-11-14 2016-05-19 Lytro, Inc. Automated animation for presentation of images
US10440407B2 (en) 2017-05-09 2019-10-08 Google Llc Adaptive control for immersive experience delivery
US10567464B2 (en) 2015-04-15 2020-02-18 Google Llc Video compression with adaptive view-dependent lighting removal
US10444931B2 (en) 2017-05-09 2019-10-15 Google Llc Vantage generation and interactive playback
US11328446B2 (en) 2015-04-15 2022-05-10 Google Llc Combining light-field data with active depth data for depth map generation
US10275898B1 (en) 2015-04-15 2019-04-30 Google Llc Wedge-based light-field video capture
US10546424B2 (en) 2015-04-15 2020-01-28 Google Llc Layered content delivery for virtual and augmented reality experiences
US10341632B2 (en) 2015-04-15 2019-07-02 Google Llc. Spatial random access enabled video system with a three-dimensional viewing volume
US10565734B2 (en) 2015-04-15 2020-02-18 Google Llc Video capture, processing, calibration, computational fiber artifact removal, and light-field pipeline
US10469873B2 (en) 2015-04-15 2019-11-05 Google Llc Encoding and decoding virtual reality video
US10540818B2 (en) 2015-04-15 2020-01-21 Google Llc Stereo image generation and interactive playback
US10412373B2 (en) 2015-04-15 2019-09-10 Google Llc Image capture for virtual reality displays
US10419737B2 (en) 2015-04-15 2019-09-17 Google Llc Data structures and delivery methods for expediting virtual reality playback
CN105740789B (zh) * 2016-01-26 2018-12-07 浙江捷尚视觉科技股份有限公司 一种基于颜色特征的视频目标检索方法
US10275892B2 (en) 2016-06-09 2019-04-30 Google Llc Multi-view scene segmentation and propagation
US10679361B2 (en) 2016-12-05 2020-06-09 Google Llc Multi-view rotoscope contour propagation
US10453204B2 (en) * 2016-12-06 2019-10-22 Adobe Inc. Image alignment for burst mode images
US10594945B2 (en) 2017-04-03 2020-03-17 Google Llc Generating dolly zoom effect using light field image data
US10474227B2 (en) 2017-05-09 2019-11-12 Google Llc Generation of virtual reality with 6 degrees of freedom from limited viewer data
US10354399B2 (en) 2017-05-25 2019-07-16 Google Llc Multi-view back-projection to a light-field
US10545215B2 (en) 2017-09-13 2020-01-28 Google Llc 4D camera tracking and optical stabilization
US10965862B2 (en) 2018-01-18 2021-03-30 Google Llc Multi-camera navigation interface
US10839225B2 (en) 2018-07-11 2020-11-17 The Nielsen Company (Us), Llc Methods and apparatus to monitor a split screen media presentation
KR102587797B1 (ko) * 2023-05-18 2023-10-11 정윤태 미술 저작물 검색 서비스 제공 방법 및 이를 위한 장치

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0705027B1 (en) * 1994-09-30 2000-11-22 SANYO ELECTRIC Co., Ltd. Image communication system and method for data compression of colour images using colour tables and region-based processing
US5893905A (en) * 1996-12-24 1999-04-13 Mci Communications Corporation Automated SLA performance analysis monitor with impact alerts on downstream jobs
US5901245A (en) * 1997-01-23 1999-05-04 Eastman Kodak Company Method and system for detection and characterization of open space in digital images
US6445818B1 (en) * 1998-05-28 2002-09-03 Lg Electronics Inc. Automatically determining an optimal content image search algorithm by choosing the algorithm based on color

Also Published As

Publication number Publication date
US6658168B1 (en) 2003-12-02
KR20000075161A (ko) 2000-12-15

Similar Documents

Publication Publication Date Title
KR100346259B1 (ko) 다수개의 영역특징정보를 이용한 이미지 검색 방법
EP1233374B1 (en) Apparatus and method for extracting objects based on feature matching between segmented regions in images
Kim Park
US8345974B2 (en) Hierarchical recursive image segmentation
US6915011B2 (en) Event clustering of images using foreground/background segmentation
EP1068593B1 (en) Representative color designating method using reliability
US7336819B2 (en) Detection of sky in digital color images
US8355569B2 (en) Object region extracting device
US9443162B2 (en) Intelligent background selection and image segmentation
CN110852207A (zh) 基于面向对象影像分类技术的蓝色屋顶建筑物提取方法
Laws Goal-directed textured-image segmentation
Shafer et al. Recursive region segmentation by analysis of histograms
CN110532973B (zh) 基于特殊锚点的双页文本图像识别及定位分割方法
JPH05181411A (ja) 地図情報照合更新方式
US7653241B2 (en) Signal detection method, signal detection system, signal detection processing program, and recording medium recorded with program thereof
JP4379706B2 (ja) 領域抽出方法
JP2010271792A (ja) 画像処理装置及び画像処理方法
JP3517518B2 (ja) 物体検出装置
CN112862802B (zh) 基于边缘外观序列匹配的地点识别方法
CN118298183B (zh) 一种无需标注的车载激光点云高精度语义分割方法及系统
Mason Segmentation of terrain images using textural and spectral characteristics
CN115937527A (zh) 无人机图像的图像分割方法及装置
CN116310351A (zh) 一种图像处理方法、装置和存储介质
Harlow et al. Image Segmentation And Texture Analysis
Gu et al. Image segmentation: its application to information extraction for updating geo-spatial databases

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20080618

Year of fee payment: 7

LAPS Lapse due to unpaid annual fee