KR100375222B1 - 스케일러블 칼라 히스토그램 엔코딩 방법 - Google Patents

스케일러블 칼라 히스토그램 엔코딩 방법 Download PDF

Info

Publication number
KR100375222B1
KR100375222B1 KR10-2000-0041456A KR20000041456A KR100375222B1 KR 100375222 B1 KR100375222 B1 KR 100375222B1 KR 20000041456 A KR20000041456 A KR 20000041456A KR 100375222 B1 KR100375222 B1 KR 100375222B1
Authority
KR
South Korea
Prior art keywords
color histogram
encoding
bin
level
scalable
Prior art date
Application number
KR10-2000-0041456A
Other languages
English (en)
Other versions
KR20020007916A (ko
Inventor
이진수
김현준
송정민
Original Assignee
엘지전자 주식회사
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 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to KR10-2000-0041456A priority Critical patent/KR100375222B1/ko
Priority to US09/906,821 priority patent/US20020031259A1/en
Publication of KR20020007916A publication Critical patent/KR20020007916A/ko
Application granted granted Critical
Publication of KR100375222B1 publication Critical patent/KR100375222B1/ko
Priority to US11/012,725 priority patent/US20050180630A1/en

Links

Classifications

    • 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
    • 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
    • H04N1/41—Bandwidth or redundancy reduction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Library & Information Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Of Band Width Or Redundancy In Fax (AREA)
  • Color Television Systems (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

본 발명은 칼라 히스토그램(color histogram)을 엔코딩(encoding)할 때 상대적으로 높은 양자화 레벨의 초기 칼라 히스토그램을 이용하여, 엔코딩 매 단계마다 칼라 히스토그램 엔코딩을 수행하는 스케일러블(Scalable) 칼라 히스토그램 엔코딩 방법에 관한 것이다.
본 발명은 더미 빈(dummy)을 포함하는 상대적으로 상위 레벨의 초기 칼라 히스토그램 빈에 대하여 엔코딩 중간 단계마다 변형 생성되는 상대적으로 하위 레벨의 칼라 히스토그램 빈이 서로 다른 엔코딩 깊이(depth)를 가지면서, 상위 레벨의 칼라 히스토그램 빈에 소정의 연산자를 적용하여 상위 레벨의 칼라 히스토그램 빈으로부터 연산자를 통해 연산된 소정의 값이 하위 레벨의 칼라 히스토그램 빈을 생성시키는 것을 특징으로 하는 스케일러블(Scalable) 칼라 히스토그램 엔코딩 방법이다.

Description

스케일러블 칼라 히스토그램 엔코딩 방법{Scalable Encoding Method For Color Histogram}
본 발명은 멀티미디어 검색에서 칼라 정보를 이용한 멀티미디어 검색을 수행하고자 할 때 사용되는 칼라 정보 묘사구조에 관한 것으로서, 특히 칼라 히스토그램(color histogram)을 엔코딩(encoding)할 때 양자화 레벨이 높은 초기 칼라 히스토그램으로부터 낮은 양자화 레벨 칼라 히스토그램을 중간 단계값으로 생성시키면서 엔코딩을 수행하고, 엔코딩된 값들의 일부만을 이용하여도 이미지에 대한 칼라 히스토그램 기반 특징소 정보의 추출과 매칭이 가능하도록 한 스케일러블(Scalable) 칼라 히스토그램 엔코딩 방법과, 이 엔코딩 방법에 의해서 양자화된 칼라 히스토그램에 따르는 칼라 히스토그램 매칭방법에 관한 것이다.
최근에 내용기반으로 멀티미디어를 검색하는 기술들이 대두됨에 따라 검색 성능을 좌우하는 멀티미디어 특징소에 대한 연구가 활발히 이루어지고 있다. 현재 가장 많이 사용되는 검색 엔진으로는 이미지 검색을 위해 전역적, 지역적 칼라 정보와 텍스쳐 정보 등을 사용하고 있으며, 이 중에서 칼라 정보는 이미지 검색에 가장 중요한 영향을 주는 요소로 알려져 있다. 따라서 보다 효과적인 칼라 특징소의 개발이 이루어지고 있으며, 보다 검색에 효과적인 칼라 스페이스(Clolor space)를 개발하려는 시도가 이루어지고 있다.
칼라 정보에는 칼라 히스토그램이 가장 널리 쓰인다. 칼라 히스토그램이란 이미지 등의 멀티미디어 데이터의 칼라 분포를 나타내는 정보로서 칼라 스페이스를 어떻게 양자화하느냐에 따라서 히스토그램의 빈(bin) 수가 결정된다. 일반적으로 양자화를 보다 세밀하게 행하여 많은 칼라 빈으로 표현할 경우 검색 성능은 증가하지만 히스토그램 크기가 증가하므로 검색 시간이 많이 걸리고, 특히 네트워크를 통한 검색 시에는 네트워크 용량에 따라 히스토그램 크기가 중요한 요소로 작용될 수 있다.
또한 네트워크 문제로 인해 검색하고자 하는 데이터의 히스토그램이 전송되다가 특정 부분에서 중단될 경우 이미 전송된 히스토그램의 일부만으로 검색을 행하면 검색 성능이 저하되는 문제점이 있다.
본 발명은 칼라 히스토그램을 스케일러블(Scalable)하게 엔코딩(Encoding)하는 방법과 이 방법으로 엔코딩된 칼라 히스토그램의 매칭방법을 제시한다.
특히, 본 발명은 주어진 비트(bit)수에서 성능을 떨어뜨리지 않고 프로그레시브 매칭(Progressive matching)을 하기 위해서; 칼라 히스토그램 엔코딩 시 '+', '-' 연산자를 이용하여 초기 칼라 히스토그램을 이 보다 적은 양자화 레벨 히스토그램으로 매 단계 변형, 생성시키며 칼라 히스토그램 엔코딩을 수행하는 것을 특징으로 하는 스케일러블(Scalable) 칼라 히스토그램 엔코딩 방법과, 스케일러블(Scalable) 엔코딩된 칼라 히스토그램의 매칭방법을 제시한다.
또한 본 발명은 매 단계 변형, 생성될 칼라 히스토그램에 대하여 연산자 적용 수가 다른 즉, 엔코딩 변형 깊이(depth)가 서로 다른 것을 특징으로 하는 스케일러블(Scalable) 칼라 히스토그램 엔코딩 방법과, 스케일러블(Scalable) 엔코딩된 칼라 히스토그램의 매칭방법을 제시한다.
또한 본 발명은 칼라 히스토그램에 대하여 각 양자화 레벨에서 상대적으로 상위에 속하는 양자화레벨의 칼라 히스토그램 빈에 더미 빈(dummy bin)을 사용하여 엔코딩을 더욱 용이하게 할 수 있도록 한 스케일러블(Scalable) 칼라 히스토그램 엔코딩 방법과, 스케일러블(Scalable) 엔코딩된 칼라 히스토그램의 매칭방법을 제시한다.
도1은 본 발명의 스케일러블(Scalable) 칼라 히스토그램 엔코딩 방법을 설명하기 위한 도면
도2는 본 발명의 스케일러블(Scalable) 칼라 히스토그램 엔코딩 방법의 일예를 나타낸 도면
도3은 도1의 엔코딩 방법을 설명하기 위한 양자화 테이블의 예를 나타낸 도면
본 발명은 상대적으로 상위 레벨의 초기 빈 소팅되는 칼라 히스토그램 빈에 대하여 엔코딩 중간 단계마다 변형 생성되는 상대적으로 하위 레벨의 칼라 히스토그램 빈이 서로 다른 엔코딩 깊이(depth)를 가지면서, 상위 레벨의 칼라 히스토그램 빈에 소정의 연산자를 적용하여 상위 레벨의 칼라 히스토그램 빈으로부터 연산자를 통해 연산된 소정의 값이 하위 레벨의 칼라 히스토그램 빈을 생성시키는 것을 특징으로 하는 스케일러블(Scalable) 칼라 히스토그램 엔코딩 방법이다.
또한 본 발명은 칼라 히스토그램을 엔코딩할 때 초기 상위 레벨의 칼라 히스토그램 빈에 더미 빈(dummy bin)을 사용해서 엔코딩함을 특징으로 하는 스케일러블(Scalable) 칼라 히스토그램 엔코딩 방법이다.
또한 본 발명은 칼라 히스토그램을 이용한 멀티미디어 검색에 있어서, (a). 동일한 이미지에 대하여 상기 스케일러블(Scalable) 엔코딩된 칼라 히스토그램을 이용해서 멀티미디어 검색을 수행할 때, (b). 일정 레벨의 칼라 히스토그램 엔코딩값을 이용해서 이미지 검색이 이루어지고, (c). 이때 하위 레벨의 칼라 히스토그램 부터 상위 레벨의 칼라 히스토그램의 순으로 순차적인 히스토그램 빈 비트 스트림이 구성되어 프로그레시브 매칭이 이루어지는 것을 특징으로 하는 스케일러블(Scalable) 엔코딩된 칼라 히스토그램 매칭 방법이다.
이하, 첨부된 도면을 참조하여 상기한 바와같이 이루어지는 본 발명의 스케일러블(Scalable) 칼라 히스토그램 엔코딩 방법과 매칭방법을 설명한다.
본 발명은 주어진 비트(bit)수에서 성능을 떨어뜨리지 않고 프로그레시브 매칭(Progressive matching)을 하기 위해서 칼라 히스토그램을 스케일러블(Scalable)하게 엔코딩한다.
칼라 히스토그램은 칼라 양자화에 의해서 결정된다. 즉, 칼라 양자화 수와 칼라 히스토그램의 빈 수는 동일하다. 그리고 칼라 양자화를 낮은 레벨의 양자화를 기반으로 높은 레벨의 칼라 양자화를 하게 하여 스케일러블(Scalable)하게 다른 숫자의 양자 수를 가질 수 있게 할 수 있다.
이 때 상호 스케일러블(Scalable)인 각각의 칼라 양자화에 따라 빈 수가 결정되어 히스토그램이 만들어 지고 만들어진 각각의 다른 빈 수의 히스토그램은 상호 스케일러블(Scalable)하므로 서로 손실 없이 비교 될 수 있다.
이와 같은 스케일러블한 성질을 이용하기 위하여 엔코딩을 할 때 위와 같은 서로 스케일러블한 양자화 방법을 따라 처음 사용되는 칼라히스토그램이 더하기 연산자와 빼기 연산자를 이용하여 수행된다.
즉 이 엔코딩방법은 스케일러블한 양자화 방법을 시뮬레이션(Simulation)하여 엔코딩을 한다. 그래서 엔코딩을 마치면 초기 히스토그램의 빈수와 동일한 개수의 엔코딩된 계수값(coefficients)을 가지며 각각의 스케일러블 양자화 방법을 대표하여 전체 계수값의 서브셋(Subset)이 각각 결정된다.
여기서, 초기에 사용되는 히스토그램의 빈 값은 선형 양자화(uniform bin value quantization)에 의해 표현 될 수도 있고 비선형 양자화(non-uniform binvalue quantization)를 사용할 수도 있다.
이와같이 엔코딩된 계수(coefficients)는 다음과 같이 양자화 한다.
마지막까지 엔코딩된 계수들은 양자화 오프셋(Quantization offset)에 의해 주어진 비트(bit)수에 따라 선형 양자화(uniform quantization)된다.
양자화 오프셋은 어떤 이미지 데이터 셋(image dataset)을 분석하여 얻어지고 이때 사용되는 데이터 셋은 어떤 용도에 대표적인 데이터 셋(dataset)을 구성하여 만들어야 한다. 그리고 오프셋의 설정은 계수에 할당된 비트수에 따라 달리 결정할 수 있다.
즉, 소정의 설정된 비트(x bit) 이하의 계수에 대해서는 전체 데이터 셋(dataset)의 해당 계수 범위의 중심값으로 사용하고 그 이상은 전체 데이터 셋의 해당 계수 값들의 평균값을 사용하여 검색 효율을 높인다.
도1은 상기한 본 발명의 스케일러블 칼라 히스토그램 양자화 방법의 실시예를 설명한다.
도1에서 흑색의 점은 상대적으로 상위 레벨의 칼라 히스토그램 빈에 대하여 가산(+) 연산된 결과이고, 백석의 점은 감산(-) 연산된 결과이다.
도1에서는 0부터 255 까지의 빈수(256개)를 가지는 어떤 칼라 스페이스에서의 초기 히스토그램이 최상위 레벨을 이루고 있다.
빈 넘버(인덱스: Index)에서 괄호( )로 표기된 빈은 더미 빈을 표현하며 '0'값을 줄 수 있다.
256 개의 빈 중에서 더미 빈의 위치 int dum[256]=
[0,0,0,0,1,1,1,1,0,0,0,0,1,1,1,1,0,0,0,0,1,1,1,1,0,0,0,0,1,1,1,1,0,0,0,0,1,1,1,1,0,0,0,0,1,1,1,1,0,0,0,0,1,1,1,1,0,0,0,0,1,1,1,1,0,0,0,0,1,1,1,1,0,0,0,0,1,1,1,1,0,0,0,0,1,1,1,1,0,0,0,0,1,1,1,1,0,0,0,0,1,1,1,1,0,0,0,0,1,1,1,1,0,0,0,0,1,1,1,1,0,0,0,0,1,1,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,1,1,0,1,1,1,0,1,1,1,0,1,1,1,0,1,1,1,0,1,1,1,0,1,1,1,0,1,1,1]; 로 주었다.(이 순서는 인덱스(빈 넘버) 0부터 255까지의 순서이고 '1'값이 더미 빈의 위치를 표현하며, 그 값은 '0'으로 준다)
양자화 레벨은 최상위 레벨에서 빈수 168(더미 빈 88개를 합하면 256개), 그 다음 레벨은 빈수 120(더미 빈 6개를 합하면 128개), 그 다음 레벨은 빈수 56(더미 빈 8개를 합하면 64개), 그 다음 레벨은 빈수 32, 그 다음 최하위 레벨은 빈수 16을 각각 표현하고 있다.
여기서 칼라 히스토그램 빈수 256(4비트 비선형 양자화) 대신 168 히스토그램 빈을 사용한 것은 이미지 검색 경험칙상, 대략 이 정도(168개)의 양자화 레벨만 가지고도 이미지 검색이 충분하기 때문이다.
그리고, 도1에서는 임의의 양자화 스페이스의 어떤 특정한 스페이스 축에 대해서 4개의 서브 스페이스 SSg, SS1, SS2, SS3로 나눈 경우에 대해서 표현하고 있으며 각각 양자화 깊이가 다르다.
도1에서 살펴보면, 최상위 레벨의 히스토그램 빈을 가산 및 감산 연산자를 이용해서 그 다음 하위 레벨의 히스토그램 빈을 생성하였고, 하위 레벨의 히스토그램 빈은 다시 그 다음 하위 레벨의 히스토르램 빈을 생성하기 위한 가산 또는 감산 리소스(resource)로 활용되고 있다.
본 실시예에서는 최종적으로 16개의 엔코딩 결과인 양자화 계수를 구하고, 16개의 양자화 계수를 이용하여 다시 4단계로 '+', '-' 연산자를 이용한 변형을 하여 최종 결과르 가진다.(도2 참조)
네트워크 문제로 인해 검색하고자 하는 데이터의 히스토그램이 전송되다가 특정 부분에서 중단될 경우에도 이미 전송된 히스토그램이 나머지 아직 전송되지 않은 히스토그램의 정보를 포함(반영)하고 있기 때문에, 예를 들어 최하위 레벨의 16개의 빈에 대한 정보만 먼저 전송되고 그 다음 레벨의 32개 빈에 대한 정보가 전송되지 않았다고 하더라도, 이미 전송된 16개의 빈이 그 상위 레벨의 양자화 결과로부터 도출된 것이기 때문에 상당한 수준의 원 이미지 정보를 포함하여 복원해 낼 수 있다는 것이다.
그리고 마지막까지 엔코딩된 256계수들은 양자화 오프셋에 의해 주어진 비트 수에 따라 선형 양자화된다. 이때 사용되는 양자화 오프셋과 비트 수는 도3에 따라 정해진다. 양자화 오프 셋은 어떤 이미지 데이터 셋(image dataset)을 분석하여 얻어지고 이때 사용되는 데이터 셋은 어떤 용도에 대표적인 데이터 셋을 구성하여 만들어야 한다. 그리고 오프셋의 설정은 계수에 할당된 비트 수에 따라 달리 결정할 수있다.
여기에서는 4 비트이하의 계수에 대해서는 전체 데이터 셋의 해당 계수 범위의 중심값으로 사용하고 그 이상은 전체 데이터 셋의 해당 계수 값들의 평균값을 사용하여 검색 효율을 높인다.
히스토그램(이미지) 매칭은 엔코딩된 상태에서 이루어진다. 하지만 디코딩하여 원래 히스토그램으로 복원하여 사용 할 수도 있다. 디코딩은 상기 적용한 연산자를 역으로 적용하여 초기 히스토그램 값을 복원한다.
매칭 방법은 기본적으로 질의 이미지 전체의 빈과 타겟 이미지 전체의 빈을 대비(차를 구함)하는 방법을 사용한다.
이때 서브 셋의 매칭(Subset matching)은;
16 빈 히스토그램에 해당하는 전체 256 계수 중 16 계수 선택 매칭.
32 빈 히스토그램에 해당하는 전체 256 계수 중 32 계수 선택 매칭.
56 빈 히스토그램에 해당하는 전체 256 계수 중 56 계수와 8개의 더미에 해당하는 계수 선택 매칭.
120 빈 히스토그램에 해당하는 전체 256 계수 중 120 계수와 8개의 더미에 해당하는 계수 선택 매칭.
168 빈 히스토그램에 해당하는 전체 256 계수 중 168 계수와 88개의 더미 에 해당하는 계수 선택 매칭; 의 수순으로 처리된다.
이때 선택되는 계수는 도3을 참조한다.
상기한 바와같이 16,32,64,256의 계수가 순차적으로 매칭될 수 있도록 비트 스트림(bit stream)을 프로그레시브하게 한다.
즉, 프로그레시브 매칭(Progressive matching)을 위하여, 비트 스트림의 선두에서부터 16, 32, 64, 128, 256의 계수가 순차 적으로 매칭될 수 있게 순차적으로 비트 스트림을 구성하는 것이다.
이와같이 함으로써, 앞에서 설명한 바와같이 전송 중단이 일어나더라도 선두에 들어온 히스토그램 빈 정보를 이용해서 이미지 검색(매칭)을 수행할 수 있게 되는 것이다.
제안하는 본 발명의 칼라 히스토그램 엔코딩 방법은 어떤 칼라 양자화도 시뮬레이션할 수 있다.
예를 들어 같은 레벨에 있는 3개의 빈 a,b,c를 1개의 빈 d로 복원해 낸다고 할 때, 처음 두개의 빈 a,b를 가산해서 두번째 레벨의 빈 a+b를 만들고, 두번째 레벨의 빈 a+b와 상기 상위 레벨의 빈 c를 가산하여 세번째 레벨에서 빈d(d=a+b+c) 1개를 만드는 방법으로 엔코딩을 수행하는 것을 예로 들 수 있다.

Claims (6)

  1. 상대적으로 상위 레벨의 초기 빈 소팅되는 칼라 히스토그램 빈에 대하여 엔코딩 중간 단계마다 변형 생성되는 상대적으로 하위 레벨의 칼라 히스토그램 빈이 서로 다른 엔코딩 깊이(depth)를 가지면서, 상위 레벨의 칼라 히스토그램 빈에 소정의 연산자를 적용하여 상위 레벨의 칼라 히스토그램 빈으로부터 연산자를 통해 연산된 소정의 값이 하위 레벨의 칼라 히스토그램 빈을 생성시키는 것을 특징으로 하는 스케일러블(Scalable) 칼라 히스토그램 엔코딩 방법.
  2. 제 1 항에 있어서, 상기 칼라 히스토그램을 엔코딩할 때 초기 상위 레벨의 칼라 히스토그램 빈에 더미 빈(dummy bin)을 사용해서 엔코딩함을 특징으로 하는 스케일러블(Scalable) 칼라 히스토그램 엔코딩 방법.
  3. 제 1 항 또는 제 2 항에 있어서, 상기 연산자는 상위 레벨의 칼라 히스토그램 빈값에 대하여 가산과 감산 연산을 통해서 하위 레벨의 칼라 히스토그램 빈을 생성시키는 것을 특징으로 하는 스케일러블(Scalable) 칼라 히스토그램 엔코딩 방법.
  4. 제 1 항에 기재된 방법으로 엔코딩된 칼라 히스토그램에 대하여 양자화가 이루어질 때, 상기 스케일러블 엔코딩된 칼라 히스토그램이 양자화 오프셋에 의해 주어진 비트 수에 따라 선형 양자화되는 것을 특징으로 하는 스케일러블(Scalable) 엔코딩 칼라 히스토그램의 양자화 방법.
  5. 제 4 항에 있어서, 상기 양자화 오프셋은, 대표 이미지 데이터 셋을 구성하고, 이 대표 이미지 데이터 셋으로부터 오프셋의 설정이 양자화 계수에 할당된 비트 수가 임계치 이하인 경우에는 전체 데이터 셋의 해당 계수 범위의 중심값으로 사용하고 그 이상은 전체 데이터 셋의 해당 계수값들의 평균값을 사용하여 양자화되는 것을 특징으로 하는 스케일러블(Scalable) 엔코딩 칼라 히스토그램의 양자화 방법.
  6. 칼라 히스토그램을 이용한 멀티미디어 검색에 있어서, (a). 동일한 이미지에 대하여 스케일러블(Scalable) 엔코딩된 칼라 히스토그램을 이용해서 멀티미디어 검색을 수행할 때, (b). 일정 레벨의 칼라 히스토그램 엔코딩을 이용해서 이미지 검색이 이루어고, (c). 상기 이미지 검색을 위한 스케일러블 엔코딩 칼라 히스토그램이 하위 레벨로부터 순차적인 비트 스트림의 형태로 매칭되는 것을 특징으로 하는 스케일러블(Scalable) 엔코딩된 칼라 히스토그램 매칭 방법.
KR10-2000-0041456A 2000-07-19 2000-07-19 스케일러블 칼라 히스토그램 엔코딩 방법 KR100375222B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR10-2000-0041456A KR100375222B1 (ko) 2000-07-19 2000-07-19 스케일러블 칼라 히스토그램 엔코딩 방법
US09/906,821 US20020031259A1 (en) 2000-07-19 2001-07-18 Scalable encoding method of color histogram
US11/012,725 US20050180630A1 (en) 2000-07-19 2004-12-16 Scalable encoding method of color histogram

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR10-2000-0041456A KR100375222B1 (ko) 2000-07-19 2000-07-19 스케일러블 칼라 히스토그램 엔코딩 방법

Publications (2)

Publication Number Publication Date
KR20020007916A KR20020007916A (ko) 2002-01-29
KR100375222B1 true KR100375222B1 (ko) 2003-03-08

Family

ID=19678833

Family Applications (1)

Application Number Title Priority Date Filing Date
KR10-2000-0041456A KR100375222B1 (ko) 2000-07-19 2000-07-19 스케일러블 칼라 히스토그램 엔코딩 방법

Country Status (2)

Country Link
US (2) US20020031259A1 (ko)
KR (1) KR100375222B1 (ko)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6411953B1 (en) * 1999-01-25 2002-06-25 Lucent Technologies Inc. Retrieval and matching of color patterns based on a predetermined vocabulary and grammar
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
KR100763178B1 (ko) * 2005-03-04 2007-10-04 삼성전자주식회사 색 공간 스케일러블 비디오 코딩 및 디코딩 방법, 이를위한 장치
US7983482B2 (en) * 2005-11-08 2011-07-19 Kitakyushu Foundation For The Advancement Of Industry, Science And Technology Matching apparatus, image search system, and histogram approximate restoring unit, and matching method, image search method, and histogram approximate restoring method
KR100708209B1 (ko) * 2006-08-24 2007-04-18 학교법인 대양학원 컬러 영상의 신축적 부호화, 복호화 방법 및 장치
WO2008127072A1 (en) * 2007-04-16 2008-10-23 Electronics And Telecommunications Research Institute Color video scalability encoding and decoding method and device thereof

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09289586A (ja) * 1996-02-15 1997-11-04 Canon Inc 画像処理装置及びその方法
WO2000002111A2 (en) * 1998-07-06 2000-01-13 Koninklijke Philips Electronics N.V. Color quantization and similarity measure for content based image retrieval
EP1014699A1 (en) * 1998-12-21 2000-06-28 Xerox Corporation Method of selecting colors for pixels within blocks for block truncation encoding
KR20000060248A (ko) * 1999-03-12 2000-10-16 정선종 수퍼 픽셀과 선형 양자화를 이용한 복합 히스토그램 생성 방법

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69230440T2 (de) * 1991-04-25 2000-04-13 Unisys Corp., Blue Bell Verfahren und gerät zur adaptiven schwellwertverarbeitung von grauskalabildern
US6144755A (en) * 1996-10-11 2000-11-07 Mitsubishi Electric Information Technology Center America, Inc. (Ita) Method and apparatus for determining poses
US6002728A (en) * 1997-04-17 1999-12-14 Itt Manufacturing Enterprises Inc. Synchronization and tracking in a digital communication system
US6199037B1 (en) * 1997-12-04 2001-03-06 Digital Voice Systems, Inc. Joint quantization of speech subframe voicing metrics and fundamental frequencies
US6102846A (en) * 1998-02-26 2000-08-15 Eastman Kodak Company System and method of managing a psychological state of an individual using images
US6430430B1 (en) * 1999-04-29 2002-08-06 University Of South Florida Method and system for knowledge guided hyperintensity detection and volumetric measurement
JP4078009B2 (ja) * 2000-02-28 2008-04-23 東芝ソリューション株式会社 帳票における文字記録領域の検出装置、帳票における文字記録領域の検出方法、記憶媒体及び帳票フォーマット作成装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09289586A (ja) * 1996-02-15 1997-11-04 Canon Inc 画像処理装置及びその方法
WO2000002111A2 (en) * 1998-07-06 2000-01-13 Koninklijke Philips Electronics N.V. Color quantization and similarity measure for content based image retrieval
EP1014699A1 (en) * 1998-12-21 2000-06-28 Xerox Corporation Method of selecting colors for pixels within blocks for block truncation encoding
KR20000060248A (ko) * 1999-03-12 2000-10-16 정선종 수퍼 픽셀과 선형 양자화를 이용한 복합 히스토그램 생성 방법

Also Published As

Publication number Publication date
US20020031259A1 (en) 2002-03-14
US20050180630A1 (en) 2005-08-18
KR20020007916A (ko) 2002-01-29

Similar Documents

Publication Publication Date Title
Toderici et al. Variable rate image compression with recurrent neural networks
CN100461219C (zh) 图像比较设备和方法、图像检索设备和方法
KR100556832B1 (ko) 영상정보 검색을 위한 비선형 양자화 및 유사도 매칭 방법
JPH04223717A (ja) データ圧縮モデル選択方法及びシステム
TWI744827B (zh) 用以壓縮類神經網路參數之方法與裝置
JP2001505730A (ja) ベクトル量子化コードブックの生成方法
CN1163686A (zh) 编码方法及系统以及译码方法及系统
US9014273B2 (en) Method and assembly used for vector transfer
KR100375222B1 (ko) 스케일러블 칼라 히스토그램 엔코딩 방법
Martins et al. Tree coding of bilevel images
US8117236B2 (en) Coding positions of data elements in a data structure
KR100430273B1 (ko) 비정규적인 빈값 양자화된 칼라 히스토그램을 이용한멀티미디어 검색방법
Begum et al. An efficient algorithm for codebook design in transform vector quantization
Qin et al. Reversible data embedding for vector quantization compressed images using search‐order coding and index parity matching
CA1322417C (en) Multistage data compression system
Kamal Iteration free fractal image compression for color images using vector quantization, genetic algorithm and simulated annealing
Ong et al. A simple partitioning approach to fractal image compression
Panchanathan et al. Indexing and retrieval of color images using vector quantization
Kaur et al. IMAGE COMPRESSION USING DECISION TREE TECHNIQUE.
Chang et al. A compression-based data hiding scheme using vector quantization and principle component analysis
KR20040017370A (ko) 오브젝트-기반 비디오 인코딩의 자동 마스크 선택
Yin et al. A Reference Resource Based End-to-End Image Compression Scheme
Tan et al. Analysis of the contractivity factor in fractal based face recognition
Kamal et al. Iteration free fractal compression using genetic algorithm for still colour images
Cosman et al. Vector quantization: clustering and classification trees

Legal Events

Date Code Title Description
A201 Request for examination
N231 Notification of change of applicant
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20080102

Year of fee payment: 6

LAPS Lapse due to unpaid annual fee