KR100390866B1 - 컬러 영상 처리 방법 및 그 장치 - Google Patents

컬러 영상 처리 방법 및 그 장치

Info

Publication number
KR100390866B1
KR100390866B1 KR10-2001-7009440A KR20017009440A KR100390866B1 KR 100390866 B1 KR100390866 B1 KR 100390866B1 KR 20017009440 A KR20017009440 A KR 20017009440A KR 100390866 B1 KR100390866 B1 KR 100390866B1
Authority
KR
South Korea
Prior art keywords
color
image processing
vectors
image
primary colors
Prior art date
Application number
KR10-2001-7009440A
Other languages
English (en)
Other versions
KR20010113665A (ko
Inventor
신현두
최양림
뎅이닝
만주나스비.에스.
Original Assignee
삼성전자주식회사
더 리전츠 오브 더 유니버시티 오브 캘리포니아
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 삼성전자주식회사, 더 리전츠 오브 더 유니버시티 오브 캘리포니아 filed Critical 삼성전자주식회사
Publication of KR20010113665A publication Critical patent/KR20010113665A/ko
Application granted granted Critical
Publication of KR100390866B1 publication Critical patent/KR100390866B1/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Image Processing (AREA)
  • Color Image Communication Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Processing Of Color Television Signals (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Processing Or Creating Images (AREA)
  • Electrical Discharge Machining, Electrochemical Machining, And Combined Machining (AREA)
  • Forklifts And Lifting Vehicles (AREA)
  • Finish Polishing, Edge Sharpening, And Grinding By Specific Grinding Devices (AREA)

Abstract

영상의 컬러 특징들을 기술하는 컬러 특징 기술자(descriptor)를 추출하는 컬러 영상 처리 방법이 제공된다. 본 컬러 영상 처리 방법은 (a) 입력 영상의 컬러 벡터들을 획득하는 단계; (b) 상기 입력 영상의 주요한 컬러들 및 상기 주요한 컬러들의 비율들을 얻기 위하여 상기 컬러 벡터들을 분류하는 단계; 및 (c) 상기 주요한 컬러들 및 상기 주요한 컬러들의 비율들을 상기 입력 영상의 컬러 특징 기술자로 표현하는 단계를 포함한다. 본 컬러 영상 처리 방법은 객체-기반 영상 처리 방법에 적용되고, 이것에 의하여 멀티-미디어 컨텐츠를 빠르게 탐색하고 추출할 수 있다.

Description

컬러 영상 처리 방법 및 그 장치{Color image processing method and apparatus thereof}
멀티-미디어 컨텐츠를 묘사하는 비주얼 특징들 중에서, 컬러는 가장 주요한(dominant) 특징이다. 종래 컬러 영상 처리 방법에 따라, 영상의 컬러 정보를 표현하기 위해 컬러 히스토그램이 사용된다. 그러나, 1024 빈(bins)으로 구성된 컬러 히스토그램을 사용한 종래 컬러 영상 처리 방법은 영상을 묘사하는 영상 처리 과정들을 계산하는 것이 매우 복잡하고 많은 처리 시간이 요구된다는 점에서 단점을 갖는다.
본 발명은 컬러 영상 처리 방법 및 장치에 관한 것으로, 보다 상세하게는 컬러 영상을 인덱스하고 탐색하는데 사용되는 컬러 특징(feature) 기술자(descriptor)를 추출하는 컬러 영상 처리 방법에 관한 것이다.
도 1은 본 발명에 따라 컬러 영상 처리 방법을 도시하는 흐름도이다.
도 2는 도 1의 단계 106에서 수행되는 영상 분할을 도시하는 도면이다.
도 3은 본 발명에 따라 컬러 영상 처리 장치를 도시하는 블록도이다.
도 4a 및 도 4b는 본 발명에 따른 컬러 영상 처리 방법에 근거하여 컴퓨터프로그램에 의해 인덱스된 영상에 관하여 영역-기반 탐색을 수행해서 얻은 결과를 도시한다.
상기와 같은 문제점을 해결하기 위하여, 본 발명의 목적은 복잡한 계산 및 처리 시간을 감소시킬 수 있는 컬러 영상 처리 방법을 제공하는 것이다.
본 발명의 다른 목적은 상기 컬러 영상 처리 방법을 수행하기 위하여 컴퓨터에서 실행할 수 있는 프로그램을 갖는 컴퓨터 독출가능 매체를 제공하는 것이다.
본 발명의 또 다른 목적은 상기 컬러 영상 처리 방법을 수행하기 위한 컬러 영상 처리 장치를 제공하는 것이다.
본 발명의 특징은 컬러 영상 처리 방법에 의해 구체화되는 것이다. 상기 컬러 영상 처리 방법은, (a) 입력 영상의 컬러 벡터들을 획득하는 단계, (b) 상기 입력 영상의 주요한 컬러들 및 상기 주요한 컬러들의 비율(ratio)들을 얻기 위하여 상기 컬러 벡터들을 분류하는 단계, 및 (c) 상기 주요한 컬러들 및 상기 주요한 컬러들의 비율들을 상기 입력 영상의 컬러 특징 기술자로 표현하는 단계를 포함한다.
바람직하게는, 상기 컬러 벡터들은 양자화된 컬러 벡터들이고 상기 비율들은 백분위수(percentile)들이다.
상기 컬러 영상 처리 방법은 (e)상기 양자화된 컬러 벡터들 및 상기 컬러 특징 기술자를 결합하고 상기 결합 결과를 전체 영상으로 표현하는 단계를 더 포함할 수 있다.
또한, 단계 (b) 이전에, 상기 입력 영상을 부드럽게 하는(smoothing) 소정의 필터링 과정을 수행하는 단계가 더 포함될 수 있다. 대신하여, 단계 (b) 이전에, 상기 방법은 상기 입력 영상의 노이즈를 제거하는 소정의 필터링 과정을 수행하는 단계를 더 포함할 수 있다.
또한, 단계 (b) 이전에, 상기 방법은 필터링된 영상의 픽셀들이 노이즈성 픽셀일 확률을 분석하고 상기 픽셀들에 적절한 가중치를 부여하는 단계, 및 컬러 양자화를 수행하기 위하여 상기 가중치가 부여된 픽셀들에 해당하는 컬러 벡터들에 일반(general) 로이드(Lloyd) 알고리듬을 적용하는 단계를 더 포함할 수 있다.
본 발명의 다른 태양에 따라, 영상의 컬러 특징들을 기술하는 컬러 특징 기술자를 추출하는 컬러 영상 처리 방법에 있어서, (a) 입력 영상을 복수 개의 영역으로 분할하는 단계, (b) 상기 분할된 영역들에 대한 컬러 벡터들을 획득하는 단계, (c) 상기 입력 영상의 주요한 컬러들 및 상기 주요한 컬러들의 비율들을 얻기 위하여 상기 컬러 벡터들을 분류하는 단계, 및 (d) 상기 주요한 컬러들 및 상기 주요한 컬러들의 비율들을 상기 입력 영상의 컬러 특징 기술자로 표현하는 단계를 포함하는 것을 특징으로 하는 컬러 영상 처리 방법이 제공된다.
본 발명은 또한 영상의 컬러 특징들을 기술하는 컬러 특징 기술자를 추출하는 컬러 영상 처리 방법을 수행하기 위한 컴퓨터에 의해 실행가능한 프로그램 코드들을 포함하는 컴퓨터 독출가능 매체에 있어서, (a) 입력 영상을 복수 개의 영역으로 분할하는 단계, (b) 상기 분할된 영역들에 대한 컬러 벡터들을 획득하는 단계, (c) 상기 입력 영상의 주요한 컬러들 및 상기 주요한 컬러들의 비율들을 얻기 위하여 상기 컬러 벡터들을 분류하는 단계, 및 (d) 상기 주요한 컬러들 및 상기 주요한 컬러들의 비율들을 상기 입력 영상의 컬러 특징 기술자로 표현하는 단계를 포함하는 컬러 영상 처리 방법을 수행하기 위한 컴퓨터에 의해 실행가능한 프로그램 코드들을 포함하는 컴퓨터 독출가능 매체를 제공한다.
본 발명의 다른 태양에 따라, 영상의 컬러 특징들을 기술하는 컬러 특징 기술자를 추출하는 컬러 영상 처리 장치에 있어서, 입력 영상의 픽셀 값 데이터를 수신하고 소정의 컬러 좌표계에서 컬러 벡터들을 추출하는 컬러 벡터 추출부, 및 상기 컬러 벡터들이 모두 수신되는 경우 상기 컬러 벡터들에 의해 표현되는 주요한컬러들의 백분위수들을 획득하고, 상기 주요한 컬러들 및 상기 주요한 컬러들의 백분위수들에 관한 정보를 포함하는 컬러 특징 기술자 데이터를 생성하고 출력하는 컬러 특징 기술자 생성부를 포함하는 것을 특징으로 하는 컬러 영상 처리 장치가 제공된다.
또한, 본 발명은 영상의 컬러 특징들을 기술하는 컬러 특징 기술자를 추출하는 컬러 영상 처리 장치에 있어서, 입력 영상을 k개의 영역들로 분할하고, 여기서 k는 임의의 양의 정수이며, k번째 영역에 대응하는 픽셀 값 데이터를 순차적으로 출력하는 분할부, 입력 영상의 픽셀 값 데이터를 수신하고 소정의 컬러 좌표계에서 컬러 벡터들을 추출하는 컬러 벡터 추출부, 및 상기 컬러 벡터들이 모두 수신되는 경우 상기 컬러 벡터들에 의해 표현되는 주요한 컬러들의 백분위수들을 획득하고, 상기 주요한 컬러들 및 상기 주요한 컬러들의 백분위수들에 관한 정보를 포함하는 컬러 특징 기술자 데이터를 생성하고 출력하는 컬러 특징 기술자 생성부를 포함하는 것을 특징으로 하는 컬러 영상 처리 장치를 제공한다.
상기 본 발명의 목적들 및 장점들은 첨부한 도면을 참조하여 바람직한 실시예들을 상세히 설명함으로써 보다 명백하게 될 것이다.
이하, 첨부한 도면을 참조하여 본 발명의 실시예들을 상세하게 설명할 것이다.
도 1은 본 발명에 따라 컬러 영상 처리 방법을 도시한다. 도 1을 참조하면, 컬러 영상(A)이 입력된다(단계 100). 상기 영상은 복수 개의 영역(F1, F2, F3및 F4)으로 분할된다(단계 102). 상기 분할은 예를 들면, 에지 플로우(edge flow)에 근거하여 수행될 수 있다. 그 다음, 각 영역(F1, F2, F3및 F4)에 대한 양자화된 컬러 벡터들이 획득된다(단계 104).
상기 양자화된 컬러 벡터들의 획득 단계는 바람직하게는 다음 단계들을 포함한다. 우선, 영상을 부드럽게 하고 노이즈를 제거하는 소정의 필터링 단계가 전-처리 단계로서 수행된다. 다음, 필터링된 영상의 픽셀들이 노이즈성 픽셀일 확률이 분석되고, 그 다음, 상기 영상에 적절한 가중치가 부여된다. 필터링된 영상의 픽셀들이 노이즈성 픽셀일 확률은 이웃하는 픽셀로부터 컬러 간격에 의해 획득된다. 예를 들면, 임의의 정수 i에 있어서, 중앙 픽셀로부터 컬러 간격에 따라 정렬된 픽셀들 중에 하나의 픽셀로부터 최소 컬러 간격을 갖도록 분포된 i개의 픽셀들이 선택되고, 상기 선택된 픽셀들 중에서, 가장 큰 컬러 간격을 갖는 픽셀 값을 최대 컬러 간격으로 세팅하고, T(n)이라 표기한다. 그 다음, 각각 픽셀들의 컬러 벡터들은exp(-T(n))만큼 가중치가 적용된다. exp(-T(n))은 v(n)로 정의된다. 다음, 모든 픽셀들에 대한 T(n)값들의 평균을 Tavg라 하면, 양자화에 사용될 초기 클러스터(cluster)들의 수(N)는 Tavg 곱하기 임의 상수(예를 들어 2)와 같다. 그 다음, 일반(general) 로이드(Lloyd) 알고리듬이 컬러 벡터들을 양자화하기 위하여 가중치가 적용된 픽셀들에 대응하여 컬러 벡터들에 적용된다. 우선, 클러스터 중심(centroid)(ci)은 수학식 1로 표현된다:
여기서, X(n)는 정렬된 픽셀들 중에 n번째 픽셀의 픽셀 값이다.
그리고, 수학식 2에 의해 표현되는 Di값이 계산된다:
그 다음 Di의 가장 큰 값을 갖는 클러스터를 분리한다. 이러한 과정은 N개의 클러스터들이 생성될 때까지 반복된다. N개의 클러스터들이 생성된 후에, 일반 로이드 알고리듬이 수행된다. 일반 로이드 알고리듬이 수행되는 경우, 클러스터 중심이 수학식(1)에 의해 계산되고 갱신된다.
다음, 유사한 컬러 벡터들을 갖는 클러스터들은 응집화(agglomerative) 크러스터링(clustering)을 수행하여 응집된다. 응집화 크러스터링은 알.오. 두다(R.O. Duda) 및 피.이. 하트(P.E. Hart)에 의해 "유형 분류 및 장면 분석, 존 윌리 및 아들들, 뉴욕, 1973(Pattern Classification and Scene Analysis, John wiley and Sons, New York, 1973)"에서 개시되므로, 본 명세서에서는 상세하게 설명되지 않을 것이다.
그 다음, 컬러 벡터들이 분류되고 컬러 벡터들[cLi, cUi, cVi] 및 컬러 벡터들의 백분위수(Pi)로 표현되는 주요한 컬러들이 얻어진다(단계 106). 여기서, i는 제1 영역에서 1부터 N까지의 임의의 연속하는 숫자이고, L, U 및 V는 CIE LUV 컬러 좌표계의 좌표들을 나타낸다. 백분위수(Pi)는 십진수로 표시된다. 수학식 3에 표현된 바와 같이 i 영역에 대한 백분위수(Pi)의 합은 1이다:
다음, 컬러 벡터들[cLi, cUi, cVi] 및 컬러 벡터들의 백분위수(Pi)로 표현되는 주요한 컬러들은 관련 영역의 컬러 특징 기술자로 표시되고 얻어진다(단계 108). 다시 말하면, 컬러 특징 기술자(F)는 수학식 4로 표현될 수 있다:
여기서 N은 소정의 양의 정수이다. 상기 컬러 특징 기술자는 가변-빈(variable-bin) 컬러 히스토그램으로 지칭될 수 있다.
k번째 영역내의 픽셀 값 데이터, 즉 영역k(Regionk) 및 상기 k번째 영역의 컬러 특징 기술자 데이터, 즉 Fk를 결합함으로써, 전체 영상(A')이 수학식 5로 표현된다:
여기서, k는 영상(A)의 분할된 영역들의 수를 나타내는 소정의 양의 정수이다(단계 110).
본 발명에 따라 컬러 영상 처리 방법에 의해 추출되는 컬러 특징 기술자는 하나의 영역에 관한 수들 중에 적은 수에 의해 축소해서 표현된다. 컬러 특징 기술자의 축소 표현은 복잡한 계산을 현저하게 감소시킬 수 있다. 이것으로 인하여 멀티-미디어 기반 컨텐츠를 빠르게 탐색하고 추출할 수 있다. 본 발명에 따른 컬러 영상 처리 방법은 MPEG-7과 같은 객체-기반 영상 처리 방법에 적용될 수 있다.
컬러 영상 처리 방법은 컴퓨터 프로그램으로 프로그램할 수 있다. 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 기술의 컴퓨터 프로그래머에게 용이하게 유도될 수 있다. 또한, 상기 프로그램은 컴퓨터 독출 가능 매체에 저장되고 컴퓨터에 의해 독출될 수 있고 실행될 수 있으며, 이로 인하여 컬러 영상 처리 방법을 구현한다. 상기 매체는 자기 기록 매체, 광학 기록 매체, 반송파 매체 등을 포함한다.
또한, 컬러 영상 처리 방법은 컬러 영상 처리 장치로 구현될 수 있다. 도 3은 본 발명에 따라 컬러 영상 처리 장치를 도시하는 블록도이다. 도 3을 참조하면, 컬러 영상 처리 장치는 분할부(300), 컬러 벡터 추출부(302), 컬러 특징 기술자 생성부(304) 및 결합부(306)를 포함한다.
컬러 영상 처리 장치의 동작에 있어서, 상기 분할부(300)는 입력 영상(A)을 k 개의 영역들로 분할하고 k번째 영역의 픽셀 값 데이터(Regionk)를 순차적으로 출력한다. 상기 컬러 벡터 추출부(302)는 k번째 영역의 픽셀 값 데이터(Regionk)를 수신하고 컬러 벡터들[cLi, cUi, cVi]을 추출한다. i개의 컬러 벡터들[cLi, cUi, cVi]이 모두 수신되는 경우, 상기 컬러 특징 기술자 생성부(304)는 컬러 벡터들[cLi, cUi, cVi]에 의해 표현되는 주요한 컬러들의 백분위수(Pi)를 획득하고 컬러 특징 기술자 데이터(Fk)를 생성하고 출력한다. 상기 컬러 특징 기술자 데이터(Fk)는 컬러 벡터들[cLi, cUi, cVi] 및 컬러 벡터들의 백분위수(Pi)로 표현되는 주요한 컬러들에 대한 정보를 포함한다.
각각 컬러들의 백분위수(Pi)를 얻기 위하여, 컬러 양자화는 각 분할 영역내에서 수행되는 것이 더 바람직하다. 따라서, 상기 컬러 영상 처리 장치는 바람직하게는 양자화부(미도시)를 더 포함한다. 입력 영상을 부드럽게 하고 노이즈를 제거하는 소정의 필터링 과정을 수행하기 위하여, 상기 컬러 영상 처리 장치는 바람직하게는 필터링부(미도시)를 더 포함한다. 상기 양자화부는 필터링된 영상의 픽셀들이 노이즈성 픽셀일 확률을 분석하고, 상기 픽셀들에 적절한 가중치를 부여하고, 가중치가 부여된 픽셀들에 해당하는 컬러 벡터들을 일반 로이드 알고리듬에 의해 양자화한다.
상기 결합부(306)는 k번째 영역내의 픽셀 값 데이터, 즉 Regionk및 상기 k번째 영역의 컬러 특징 기술자 데이터, 즉 Fk를 결합하고, 처리된 영상(A')을 출력한다. 본 발명에 따른 컬러 영상 처리 장치는 MPEG-7과 같은 객체-기반 영상 처리 방법에 적용될 수 있다. 또한, 본 발명에 따른 컬러 영상 처리 장치에 있어서, 영상의 주요한 컬러들을 사용하여 컬러 영상을 표현하는 것은 컬러 영상 처리 분야 이외에 다양한 다른 분야들에도 또한 적용될 수 있다.
상술한 바와 같이, 본 발명에 따른 컬러 영상 처리 방법은 객체-기반 영상 처리 방법에 적용되고, 이것에 의하여 멀티-미디어 컨텐츠를 빠르게 탐색하고 추출할 수 있다.
본 발명은 객체-기반 영상 처리 분야에 적용될 수 있다.

Claims (39)

  1. 영상의 컬러 특징(feature)들을 기술하는 컬러 특징 기술자(descriptor)를 추출하는 컬러 영상 처리 방법에 있어서,
    (a) 입력 영상의 컬러 벡터들을 획득하는 단계;
    (b) 상기 입력 영상의 주요한 컬러들 및 상기 주요한 컬러들의 비율(ratio)들을 얻기 위하여 상기 컬러 벡터들을 분류하는 단계; 및
    (c) 상기 주요한 컬러들 및 상기 주요한 컬러들의 비율들을 상기 입력 영상의 컬러 특징 기술자로 표현하는 단계를 포함하는 것을 특징으로 하는 컬러 영상 처리 방법.
  2. 제1항에 있어서, 상기 컬러 벡터들은 양자화된 컬러 벡터들인 것을 특징으로 하는 컬러 영상 처리 방법.
  3. 제1항에 있어서, 상기 비율들은 백분위수(percentile)들인 것을 특징으로 하는 컬러 영상 처리 방법.
  4. 제1항에 있어서, (d)상기 컬러 벡터들 및 상기 컬러 특징 기술자를 결합하고 상기 결합 결과를 전체 영상으로 표현하는 단계를 더 포함하는 것을 특징으로 하는 컬러 영상 처리 방법.
  5. 제4항에 있어서, 상기 컬러 벡터들은 양자화된 컬러 벡터들인 것을 특징으로 하는 컬러 영상 처리 방법.
  6. 제4항에 있어서, 상기 비율들은 백분위수들인 것을 특징으로 하는 컬러 영상 처리 방법.
  7. 제1항에 있어서, (e)상기 양자화된 컬러 벡터들 및 상기 컬러 특징 기술자를 결합하고 상기 결합 결과를 전체 영상으로 표현하는 단계를 더 포함하는 것을 특징으로 하는 컬러 영상 처리 방법.
  8. 제1항에 있어서, 단계 (b) 이전에, 상기 입력 영상을 부드럽게 하는(smoothing) 소정의 필터링 과정을 수행하는 단계를 더 포함하는 것을 특징으로 하는 컬러 영상 처리 방법.
  9. 제1항에 있어서, 단계 (b) 이전에, 상기 입력 영상의 노이즈를 제거하는 소정의 필터링 과정을 수행하는 단계를 더 포함하는 것을 특징으로 하는 컬러 영상 처리 방법.
  10. 제1항에 있어서, 단계 (b) 이전에, 상기 입력 영상을 부드럽게 하고 노이즈를 제거하는 소정의 필터링 과정을 수행하는 단계를 더 포함하는 것을 특징으로 하는 컬러 영상 처리 방법.
  11. 제1항 내지 제10항 중의 어느 한 항에 있어서, 단계 (b) 이전에,
    필터링된 영상의 픽셀들이 노이즈성 픽셀일 확률을 분석하고 상기 픽셀들에 적절한 가중치를 부여하는 단계; 및
    컬러 양자화를 수행하기 위하여 상기 가중치가 부여된 픽셀들에 해당하는 컬러 벡터들에 일반(general) 로이드(Lloyd) 알고리듬을 적용하는 단계를 더 포함하는 것을 특징으로 하는 컬러 영상 처리 방법.
  12. 영상의 컬러 특징들을 기술하는 컬러 특징 기술자를 추출하는 컬러 영상 처리 방법에 있어서,
    (a) 입력 영상을 복수 개의 영역으로 분할하는 단계;
    (b) 상기 분할된 영역들에 대한 컬러 벡터들을 획득하는 단계;
    (c) 상기 입력 영상의 주요한 컬러들 및 상기 주요한 컬러들의 비율들을 얻기 위하여 상기 컬러 벡터들을 분류하는 단계; 및
    (d) 상기 주요한 컬러들 및 상기 주요한 컬러들의 비율들을 상기 입력 영상의 컬러 특징 기술자로 표현하는 단계를 포함하는 것을 특징으로 하는 컬러 영상 처리 방법.
  13. 제12항에 있어서, 상기 컬러 벡터들은 양자화된 컬러 벡터들인 것을 특징으로 하는 컬러 영상 처리 방법.
  14. 제12항에 있어서, 상기 비율들은 백분위수들인 것을 특징으로 하는 컬러 영상 처리 방법.
  15. 제1항에 있어서, (e)상기 분할된 영역들의 상기 양자화된 컬러 벡터들 및 상기 컬러 특징 기술자를 결합하고 상기 결합 결과를 전체 영상으로 표현하는 단계를 더 포함하는 것을 특징으로 하는 컬러 영상 처리 방법.
  16. 제12항에 있어서, 단계 (b) 이전에, 상기 입력 영상을 부드럽게 하는 소정의 필터링 과정을 수행하는 단계를 더 포함하는 것을 특징으로 하는 컬러 영상 처리 방법.
  17. 제12항에 있어서, 단계 (b) 이전에, 상기 입력 영상의 노이즈를 제거하는 소정의 필터링 과정을 수행하는 단계를 더 포함하는 것을 특징으로 하는 컬러 영상 처리 방법.
  18. 제12항에 있어서, 단계 (b) 이전에, 상기 입력 영상을 부드럽게 하고 노이즈를 제거하는 소정의 필터링 과정을 수행하는 단계를 더 포함하는 것을 특징으로 하는 컬러 영상 처리 방법.
  19. 제12항에 있어서, 단계 (b) 이전에, 상기 분할된 영역들을 부드럽게 하는 소정의 필터링 과정을 수행하는 단계를 더 포함하는 것을 특징으로 하는 컬러 영상 처리 방법.
  20. 제12항에 있어서, 단계 (b) 이전에, 상기 분할된 영역들의 노이즈를 제거하는 소정의 필터링 과정을 수행하는 단계를 더 포함하는 것을 특징으로 하는 컬러 영상 처리 방법.
  21. 제12항에 있어서, 단계 (b) 이전에, 상기 분할된 영역들을 부드럽게 하고 노이즈를 제거하는 소정의 필터링 과정을 수행하는 단계를 더 포함하는 것을 특징으로 하는 컬러 영상 처리 방법.
  22. 제12항 내지 제21항 중의 어느 한 항에 있어서, 단계 (b) 이전에,
    필터링된 영상의 픽셀들이 노이즈성 픽셀일 확률을 분석하고 상기 픽셀들에 적절한 가중치를 부여하는 단계; 및
    컬러 양자화를 수행하기 위하여 상기 가중치가 부여된 픽셀들에 해당하는 컬러 벡터들에 일반 로이드 알고리듬을 적용하는 단계를 더 포함하는 것을 특징으로 하는 컬러 영상 처리 방법.
  23. 영상의 컬러 특징들을 기술하는 컬러 특징 기술자를 추출하는 컬러 영상 처리 방법을 수행하기 위한 컴퓨터에 의해 실행가능한 프로그램 코드들을 포함하는 컴퓨터 독출가능 매체에 있어서,
    (a) 입력 영상을 복수 개의 영역으로 분할하는 단계;
    (b) 상기 분할된 영역들에 대한 컬러 벡터들을 획득하는 단계;
    (c) 상기 입력 영상의 주요한 컬러들 및 상기 주요한 컬러들의 비율들을 얻기 위하여 상기 컬러 벡터들을 분류하는 단계; 및
    (d) 상기 주요한 컬러들 및 상기 주요한 컬러들의 비율들을 상기 입력 영상의 컬러 특징 기술자로 표현하는 단계를 포함하는 컬러 영상 처리 방법을 수행하기 위한 컴퓨터에 의해 실행가능한 프로그램 코드들을 포함하는 컴퓨터 독출가능 매체.
  24. 제23항에 있어서, (e)상기 분할된 영역들의 상기 양자화된 컬러 벡터들 및 상기 컬러 특징 기술자를 결합하고 상기 결합 결과를 전체 영상으로 표현하는 단계를 더 포함하는 것을 특징으로 하는 컴퓨터 독출가능 매체.
  25. 영상의 컬러 특징들을 기술하는 컬러 특징 기술자를 추출하는 컬러 영상 처리 장치에 있어서,
    입력 영상의 픽셀 값 데이터를 수신하고 소정의 컬러 좌표계에서 컬러 벡터들을 추출하는 컬러 벡터 추출부; 및
    상기 컬러 벡터들이 모두 수신되는 경우 상기 컬러 벡터들에 의해 표현되는 주요한 컬러들의 백분위수들을 획득하고, 상기 주요한 컬러들 및 상기 주요한 컬러들의 백분위수들에 관한 정보를 포함하는 컬러 특징 기술자 데이터를 생성하고 출력하는 컬러 특징 기술자 생성부를 포함하는 것을 특징으로 하는 컬러 영상 처리 장치.
  26. 제25항에 있어서, 픽셀 값 데이터 및 컬러 특징 기술자 데이터를 결합하고 처리된 영상을 출력하는 결합부를 더 포함하는 것을 특징으로 하는 컬러 영상 처리 장치.
  27. 영상의 컬러 특징들을 기술하는 컬러 특징 기술자를 추출하는 컬러 영상 처리 장치에 있어서,
    입력 영상을 k개의 영역들로 분할하고, 여기서 k는 임의의 양의 정수이며, k번째 영역에 대응하는 픽셀 값 데이터를 순차적으로 출력하는 분할부;
    입력 영상의 픽셀 값 데이터를 수신하고 소정의 컬러 좌표계에서 컬러 벡터들을 추출하는 컬러 벡터 추출부; 및
    상기 컬러 벡터들이 모두 수신되는 경우 상기 컬러 벡터들에 의해 표현되는 주요한 컬러들의 백분위수들을 획득하고, 상기 주요한 컬러들 및 상기 주요한 컬러들의 백분위수들에 관한 정보를 포함하는 컬러 특징 기술자 데이터를 생성하고 출력하는 컬러 특징 기술자 생성부를 포함하는 것을 특징으로 하는 컬러 영상 처리 장치.
  28. 제27항에 있어서, 상기 분할된 영역에서 컬러 양자화를 수행하는 양자화부를 더 포함하는 것을 특징으로 하는 컬러 영상 처리 장치.
  29. 제28항에 있어서, 상기 양자화부는 필터링된 영상의 픽셀들이 노이즈성 픽셀일 확률을 분석하고 상기 픽셀들에 적절한 가중치를 부여하며, 컬러 양자화를 수행하기 위하여 상기 가중치가 부여된 픽셀들에 해당하는 컬러 벡터들에 일반 로이드 알고리듬을 적용하는 것을 특징으로 하는 컬러 영상 처리 장치.
  30. 제27항에 있어서, 모든 k개의 분할된 영역들에 관하여, k번째 영역에 대응하는 픽셀 값 데이터 및 상기 대응 영역의 컬러 특징 기술자 데이터를 결합시키고, 처리된 영상을 출력하는 결합부를 더 포함하는 것을 특징으로 하는 컬러 영상 처리 장치.
  31. 제30항에 있어서, 상기 분할된 영역에서 컬러 양자화를 수행하는 양자화부를 더 포함하는 것을 특징으로 하는 컬러 영상 처리 장치.
  32. 제31항에 있어서, 상기 양자화부는 필터링된 영상의 픽셀들이 노이즈성 픽셀일 확률을 분석하고 상기 픽셀들에 적절한 가중치를 부여하며, 컬러 양자화를 수행하기 위하여 상기 가중치가 부여된 픽셀들에 해당하는 컬러 벡터들에 일반 로이드 알고리듬을 적용하는 것을 특징으로 하는 컬러 영상 처리 장치.
  33. 제27항 내지 제32항 중의 어느 한 항에 있어서, 입력 영상을 부드럽게 하는 소정의 필터링 과정을 수행하는 필터링부를 더 포함하는 것을 특징으로 하는 컬러 영상 처리 장치.
  34. 제27항 내지 제32항 중의 어느 한 항에 있어서, 입력 영상의 노이즈를 제거하는 소정의 필터링 과정을 수행하는 필터링부를 더 포함하는 것을 특징으로 하는 컬러 영상 처리 장치.
  35. 제27항 내지 제32항 중의 어느 한 항에 있어서, 입력 영상을 부드럽게 하고 노이즈를 제거하는 소정의 필터링 과정을 수행하는 필터링부를 더 포함하는 것을 특징으로 하는 컬러 영상 처리 장치.
  36. 제33항 내지 제35항 중의 어느 한 항에 있어서, 상기 분할된 영역에서 컬러 양자화를 수행하는 양자화부를 더 포함하는 것을 특징으로 하는 컬러 영상 처리 장치.
  37. 제36항에 있어서, 상기 양자화부는 필터링된 영상의 픽셀들이 노이즈성 픽셀일 확률을 분석하고 상기 픽셀들에 적절한 가중치를 부여하며, 컬러 양자화를 수행하기 위하여 상기 가중치가 부여된 픽셀들에 해당하는 컬러 벡터들에 일반 로이드 알고리듬을 적용하는 것을 특징으로 하는 컬러 영상 처리 장치.
  38. 제37항에 있어서, 모든 k개의 분할된 영역들에 관하여, k번째 영역에 대응하는 픽셀 값 데이터 및 상기 대응 영역의 컬러 특징 기술자 데이터를 결합시키고, 처리된 영상을 출력하는 결합부를 더 포함하는 것을 특징으로 하는 컬러 영상 처리 장치.
  39. 컬러 영상을 표현하는 방법에 있어서, 상기 컬러 영상은 상기 컬러 영상의 주요한 컬러들 및 상기 주요한 컬러들의 백분위수를 사용하여 표현되는 것을 특징으로 하는 컬러 영상 표현 방법.
KR10-2001-7009440A 1999-02-05 2000-02-03 컬러 영상 처리 방법 및 그 장치 KR100390866B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US11874299P 1999-02-05 1999-02-05
US60/118,742 1999-02-05

Publications (2)

Publication Number Publication Date
KR20010113665A KR20010113665A (ko) 2001-12-28
KR100390866B1 true KR100390866B1 (ko) 2003-07-12

Family

ID=22380466

Family Applications (1)

Application Number Title Priority Date Filing Date
KR10-2001-7009440A KR100390866B1 (ko) 1999-02-05 2000-02-03 컬러 영상 처리 방법 및 그 장치

Country Status (16)

Country Link
EP (2) EP1420364B1 (ko)
JP (2) JP3634266B2 (ko)
KR (1) KR100390866B1 (ko)
CN (2) CN100530231C (ko)
AT (2) ATE360863T1 (ko)
AU (1) AU753599B2 (ko)
BR (1) BR0008002A (ko)
CA (1) CA2361490C (ko)
DE (2) DE60045290D1 (ko)
ES (1) ES2284478T3 (ko)
MX (1) MXPA01007911A (ko)
MY (3) MY122593A (ko)
NZ (2) NZ513143A (ko)
SG (1) SG117459A1 (ko)
TW (1) TW540008B (ko)
WO (1) WO2000046748A1 (ko)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2364590B (en) * 2000-07-07 2004-06-02 Mitsubishi Electric Inf Tech Method and apparatus for representing and searching for an object in an image
KR100788643B1 (ko) 2001-01-09 2007-12-26 삼성전자주식회사 색과 질감의 조합을 기반으로 하는 영상 검색 방법
KR100494080B1 (ko) 2001-01-18 2005-06-13 엘지전자 주식회사 공간 밀착 성분을 이용한 대표 칼라 설정방법
KR100450793B1 (ko) * 2001-01-20 2004-10-01 삼성전자주식회사 영역 분할된 영상의 영역 특징치 정합에 기초한객체추출장치 및 그 방법
KR100477801B1 (ko) * 2002-12-26 2005-03-22 한국전자통신연구원 3차원 영상정보 기술장치와 그 방법 및 이를 이용한 3차원영상정보 검색장치 및 그 방법
JP4266695B2 (ja) 2003-04-30 2009-05-20 キヤノン株式会社 画像処理装置及び画像処理方法
JP4353503B2 (ja) 2003-04-30 2009-10-28 キヤノン株式会社 画像処理装置
EP1477931A1 (de) * 2003-05-15 2004-11-17 Siemens Schweiz AG Verfahren zur Darstellung von einer Konturen enthaltenden Graphik auf einer Anzeigeeinheit
EP1881455B1 (en) * 2003-07-04 2009-12-23 Mitsubishi Electric Information Technology Centre Europe B.V. Method and apparatus for representing a group of images
US7840081B2 (en) 2004-09-23 2010-11-23 Mitsubishi Denki Kabushiki Kaisha Methods of representing and analysing images
GB2418555A (en) * 2004-09-23 2006-03-29 Mitsubishi Electric Inf Tech Representing an image using descriptors based on colour information
US7689620B2 (en) 2006-05-24 2010-03-30 Sizhe Tan Efficiently and systematically searching stock, image, and other non-word-based documents
US7809185B2 (en) * 2006-09-21 2010-10-05 Microsoft Corporation Extracting dominant colors from images using classification techniques
AU2007237365B2 (en) * 2007-12-05 2011-05-12 Canon Kabushiki Kaisha Colour reproduction in a colour document image
CN101576932B (zh) * 2009-06-16 2012-07-04 阿里巴巴集团控股有限公司 近重复图片的计算机查找方法和装置
CN101599122B (zh) * 2009-07-02 2013-06-19 阿里巴巴集团控股有限公司 一种图像识别方法及装置
TWI499921B (zh) * 2010-03-08 2015-09-11 Alibaba Group Holding Ltd Near duplicate images computer for a method and apparatus
US8897552B2 (en) * 2012-08-01 2014-11-25 Microsoft Corporation Setting an operating-system color using a photograph
US20180228552A1 (en) * 2017-01-30 2018-08-16 The Board Of Regents, The University Of Texas System Surgical cell, biologics and drug deposition in vivo, and real-time tissue modification with tomographic image guidance and methods of use
CN111488885B (zh) * 2020-06-28 2020-09-25 成都四方伟业软件股份有限公司 一种图片主题色系智能提取方法及装置

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5665342A (en) * 1979-10-29 1981-06-03 Victor Co Of Japan Ltd Electrostatic capacity type recording medium for information signal
JPS6318256A (ja) * 1986-07-09 1988-01-26 Toshiba Corp 溶存物質の測定方法
US5047842A (en) * 1989-11-03 1991-09-10 The Trustees Of Princeton University Color image display with a limited palette size
EP0555674B1 (en) * 1992-02-11 1999-04-21 Eastman Kodak Company Image rendering system and associated method for minimizing contours in a quantized digital color image
US5684897A (en) * 1992-02-19 1997-11-04 Ezel Inc. Method for quantizing color image data by minimizing least squares error of binary coding
JPH05266091A (ja) * 1992-03-23 1993-10-15 Mitsubishi Electric Corp 画像の類似色調検索装置
JPH05274372A (ja) * 1992-03-25 1993-10-22 Mitsubishi Electric Corp 画像の特徴色自動付加装置
JP3311077B2 (ja) * 1993-05-06 2002-08-05 松下電器産業株式会社 画像検索装置
ES2079344T1 (es) * 1993-11-18 1996-01-16 Sega Enterprises Kk Metodo de compresion de datos, memoria de datos de imagen, y metodo y dispositivo para expandir datos comprimidos.
JPH0816789A (ja) * 1994-07-05 1996-01-19 Kajima Corp 景観の色彩判定方法
US6215910B1 (en) * 1996-03-28 2001-04-10 Microsoft Corporation Table-based compression with embedded coding
KR100245338B1 (ko) * 1996-09-25 2000-02-15 전주범 칼라 영상 파일 분류 및 검색 방법 및 장치
KR200235751Y1 (ko) * 1996-10-30 2001-11-22 이구택 가스압력용기자동교체장치
JP3747589B2 (ja) * 1997-09-17 2006-02-22 コニカミノルタビジネステクノロジーズ株式会社 画像特徴量比較装置および画像特徴量比較プログラムを記録した記録媒体
JPH11196296A (ja) * 1997-12-26 1999-07-21 Canon Inc 画像処理装置および方法、非線形フィルタ、記録媒体
JPH11238077A (ja) * 1998-02-24 1999-08-31 Minolta Co Ltd 画像検索装置及び方法並びに画像検索プログラムを記録する記録媒体
KR100436499B1 (ko) * 1999-04-23 2004-06-22 삼성전자주식회사 컬러 영상 분할 방법

Also Published As

Publication number Publication date
JP3634266B2 (ja) 2005-03-30
MY122593A (en) 2006-04-29
DE60034554T2 (de) 2007-12-27
DE60034554D1 (de) 2007-06-06
JP2002536748A (ja) 2002-10-29
EP1420364B1 (en) 2010-11-24
ATE489691T1 (de) 2010-12-15
NZ528531A (en) 2005-06-24
NZ513143A (en) 2004-06-25
CA2361490A1 (en) 2000-08-10
TW540008B (en) 2003-07-01
JP2004078995A (ja) 2004-03-11
WO2000046748A1 (en) 2000-08-10
KR20010113665A (ko) 2001-12-28
MY135412A (en) 2008-04-30
EP1420364A1 (en) 2004-05-19
DE60045290D1 (de) 2011-01-05
CN1341247A (zh) 2002-03-20
CA2361490C (en) 2008-10-21
BR0008002A (pt) 2002-01-15
AU753599B2 (en) 2002-10-24
SG117459A1 (en) 2005-12-29
AU2577400A (en) 2000-08-25
EP1153366B1 (en) 2007-04-25
EP1153366A4 (en) 2002-10-30
MXPA01007911A (es) 2004-03-26
ATE360863T1 (de) 2007-05-15
ES2284478T3 (es) 2007-11-16
CN100530231C (zh) 2009-08-19
EP1153366A1 (en) 2001-11-14
CN1495670A (zh) 2004-05-12
CN100428278C (zh) 2008-10-22
MY154501A (en) 2015-06-30

Similar Documents

Publication Publication Date Title
KR100390866B1 (ko) 컬러 영상 처리 방법 및 그 장치
US6853746B2 (en) Color image processing method and apparatus thereof
US7961948B2 (en) Computer-readable record medium in which a telop character extraction program is recorded, telop character extraction method and telop character extraction apparatus
JP4746050B2 (ja) ビデオデータを処理するための方法及びシステム
US6289110B1 (en) Object extracting method using motion picture
KR101606760B1 (ko) 영상 내 객체 기반 영상 감정 변환 장치 및 그 방법
CN112488123B (zh) 一种基于细化局部模式的纹理图像分类方法及系统
US8131077B2 (en) Systems and methods for segmenting an image based on perceptual information
CN114449362A (zh) 视频封面的选取方法、装置、设备及存储介质
CN114187558A (zh) 一种视频场景识别方法、装置、计算机设备及存储介质
CN110659631A (zh) 车牌识别方法和终端设备
WO2002103617A1 (en) Automatic natural content detection in video information
CN112749660B (zh) 一种视频内容描述信息的生成方法和设备
US20050162442A1 (en) Target object appearing position display apparatus
Naji et al. Image Segmentation Using Discrete Wavelets Transform
Bekhouche et al. Improvement of Quadree-Based Region Segmentation
Nabeel et al. Optimizing image segmentation by selective fusion of histogram based K-means clustering
CN115690786A (zh) 一种人工智能图像处理方法及系统
Reihani et al. Color Image Segmentation with K-Means Clustering and Edge Detection Methods
Ramella et al. Spatial Resolution and Distance Information for Color Quantization
Lanz et al. Automated Classification of Film Scenes based on Film Grammar

Legal Events

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

Payment date: 20130530

Year of fee payment: 11

FPAY Annual fee payment

Payment date: 20140529

Year of fee payment: 12

FPAY Annual fee payment

Payment date: 20150528

Year of fee payment: 13

FPAY Annual fee payment

Payment date: 20160530

Year of fee payment: 14

FPAY Annual fee payment

Payment date: 20170529

Year of fee payment: 15

LAPS Lapse due to unpaid annual fee