KR100788642B1 - 디지털 영상 텍스쳐 분석 방법 - Google Patents

디지털 영상 텍스쳐 분석 방법 Download PDF

Info

Publication number
KR100788642B1
KR100788642B1 KR1020000046597A KR20000046597A KR100788642B1 KR 100788642 B1 KR100788642 B1 KR 100788642B1 KR 1020000046597 A KR1020000046597 A KR 1020000046597A KR 20000046597 A KR20000046597 A KR 20000046597A KR 100788642 B1 KR100788642 B1 KR 100788642B1
Authority
KR
South Korea
Prior art keywords
image
filtered
images
obtaining
texture
Prior art date
Application number
KR1020000046597A
Other languages
English (en)
Other versions
KR20010039811A (ko
Inventor
신현두
최양림
방가로 에스. 만주나스
Original Assignee
삼성전자주식회사
더 리전트 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 리전트 오브 더 유니버시티 오브 캘리포니아 filed Critical 삼성전자주식회사
Publication of KR20010039811A publication Critical patent/KR20010039811A/ko
Application granted granted Critical
Publication of KR100788642B1 publication Critical patent/KR100788642B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

디지털 영상 텍스쳐 분석 방법이 개시된다. 본 디지털 영상 텍스쳐 분석 방법은 (a) 원 영상의 픽셀값의 평균
Figure 112000016897375-pat00001
과, 원 영상의 픽셀값의 분산
Figure 112000016897375-pat00002
을 구하는 단계; (b) m과 n을 소정의 양의 수라 할 때, m 스케일과 n 방향성의 조합을 가지는 소정의 필터들을 사용하여 원 영상을 필터링함으로써 m×n 필터링된 영상을 구하는 단계; (c) 각 필터링된 영상들의 평균
Figure 112000016897375-pat00003
과 각 필터링된 영상들의 분산
Figure 112000016897375-pat00004
을 구하는 단계; 및 (d) 상기 (a) 단계에서 구한 원 영상의 픽셀값의 평균
Figure 112000016897375-pat00005
, 원 영상의 픽셀값의 분산
Figure 112000016897375-pat00006
과, 상기 (c) 단계에서 구한 각 필터링된 영상들의 평균
Figure 112000016897375-pat00007
과 각 필터링된 영상들의 분산
Figure 112000016897375-pat00008
을 텍스쳐 특징으로써 포함하는 텍스쳐 기술자를 구하는 단계;를 포함하는 것을 특징으로 한다.
본 발명에 따른 텍스쳐 분석 방법은 영상의 텍스쳐 특성을 보다 정확하게 분석하고 비교한다. 또한, 본 발명에 따른 디지털 영상 텍스쳐 분석 방법은 한 영상에 대하여 다른 하나의 영상이 상대적으로 회전되어 있거나 확대 또는 축소되어 있기만 한 경우에도 두 영상의 텍스쳐 특징이 유사한 것으로 정확하게 분석할 수 있다.

Description

디지털 영상 텍스쳐 분석 방법{Texture analysing method of digital image}
도 1은 종래기술의 디지털 영상 텍스쳐 분석 방법을 설명하기 위한 도면이다.
도 2는 본 발명의 일실시예에 따른 디지털 영상 분석 장치의 구조를 도시한 블록도이다.
도 3은 도 2의 디지털 영상 분석 장치내에서 수행되는 본 발명의 일실시예에 따른 디지털 영상 분석 방법의 주요 단계들을 나타낸 흐름도이다.
도 4는 본 발명의 타실시예에 따른 디지털 영상 분석 장치의 구조를 도시한 블록도이다.
도 5 내지 도 7은 도 4의 디지털 영상 분석 장치내에서 수행되는 본 발명의 타실시예에 따른 디지털 영상 분석 방법들의 주요 단계들을 나타낸 흐름도들이다.
본 발명은 디지털 영상 텍스쳐 분석 방법에 관한 것으로, 특히 텍스쳐 기술자를 사용하여 디지털 영상의 텍스쳐를 분석하는 디지털 영상 텍스쳐 분석 방법에 관한 것이다. 또한, 본 발명은 본원의 출원인에 의하여 1999. 10. 1. 출원된 "METHOD FOR ANALYZING OF STILL IMAGE TEXTURE"라는 제목의 미국 특허 가출원 제60/157,077호를 기초로 한다.
도 1에는 종래기술의 디지털 영상 텍스쳐 분석 방법을 설명하기 위한 도면을 나타내었다. 도 1을 참조하면, 종래기술의 디지털 영상 텍스쳐 분석 방법에 따르면, 소정의 필터링을 수행함으로써 필터링된 영상을 구하고, 필터링된 영상의 픽셀값의 평균 및 분산을 영상의 텍스쳐 기술자로써 사용한다. 텍스쳐 기술자는 영상의 텍스쳐 분석 결과를 나타낸다.
하지만, 상기와 같은 디지털 영상 텍스쳐 분석 방법은 하나의 영상의 텍스쳐 특징이 다른 하나의 영상과 유사한 텍스쳐 특징과 유사함에도 불구하고, 하나의 영상이 다른 하나의 영상에 대하여 회전되어 있거나 확대 또는 축소되어 있는 영상들에 대한 텍스쳐 특징을 분석하면 다른 텍스쳐 특성을 가지는 것으로 나타나는 경우가 있다는 문제점이 있다.
본 발명이 이루고자 하는 기술적 과제는 영상의 텍스쳐 특성을 보다 정확하게 분석하고 비교하는 디지털 영상 텍스쳐 분석 방법을 제공하는 것이다.
본 발명이 이루고자 하는 다른 기술적 과제는 상기 디지털 영상 텍스쳐 분석 방법을 수행하는 프로그램 코드들을 저장하는 컴퓨터 독취 가능 기록 매체를 제공하는 것이다.
본 발명이 이루고자 하는 또 다른 기술적 과제는 상기 디지털 영상 텍스쳐 분석 방법을 수행하는 디지털 영상 텍스쳐 분석 장치를 제공하는 것이다.
본 발명이 이루고자 하는 또 다른 기술적 과제는 상기 디지털 영상 분석 방법에 의하여 인덱싱된 텍스쳐 기술자를 사용하여 영상을 검색하는 디지털 영상 검색 방법을 제공하는 것이다.
본 발명이 이루고자 하는 또 다른 기술적 과제는 두 영상의 텍스쳐 특징의 유사도를 정확하게 분석하는 디지털 영상 분석 방법을 제공하는 것이다.
본 발명이 이루고자 하는 다른 또 기술적 과제는 상기 디지털 영상 텍스쳐 분석 방법을 수행하는 프로그램 코드들을 저장하는 컴퓨터 독취 가능 기록 매체를 제공하는 것이다.
본 발명이 이루고자 하는 또 다른 기술적 과제는 상기 디지털 영상 텍스쳐 분석 방법을 수행하는 디지털 영상 텍스쳐 분석 장치를 제공하는 것이다.
본 발명이 이루고자 하는 또 다른 기술적 과제는 한 영상에 대하여 다른 하나의 영상이 상대적으로 회전되어 있기만 한 경우에도 두 영상의 텍스쳐 특징이 유사한 것으로 정확하게 분석하는 디지털 영상 분석 방법을 제공하는 것이다.
본 발명이 이루고자 하는 다른 또 기술적 과제는 상기 디지털 영상 텍스쳐 분석 방법을 수행하는 프로그램 코드들을 저장하는 컴퓨터 독취 가능 기록 매체를 제공하는 것이다.
본 발명이 이루고자 하는 또 다른 기술적 과제는 상기 디지털 영상 텍스쳐 분석 방법을 수행하는 디지털 영상 텍스쳐 분석 장치를 제공하는 것이다.
본 발명이 이루고자 하는 또 다른 기술적 과제는 한 영상에 대하여 다른 하나의 영상이 상대적으로 확대 또는 축소되어 있기만 한 경우에도 두 영상의 텍스쳐 특징이 유사한 것으로 정확하게 분석하는 디지털 영상 텍스쳐 분석 방법을 제공하는 것이다.
본 발명이 이루고자 하는 다른 또 기술적 과제는 상기 디지털 영상 텍스쳐 분석 방법을 수행하는 프로그램 코드들을 저장하는 컴퓨터 독취 가능 기록 매체를 제공하는 것이다.
본 발명이 이루고자 하는 또 다른 기술적 과제는 상기 디지털 영상 텍스쳐 분석 방법을 수행하는 디지털 영상 텍스쳐 분석 장치를 제공하는 것이다.
본 발명이 이루고자 하는 또 다른 기술적 과제는 한 영상에 대하여 다른 하나의 영상이 상대적으로 회전되어 있거나 확대 또는 축소되어 있기만 한 경우에도 두 영상의 텍스쳐 특징이 유사한 것으로 정확하게 분석하는 디지털 영상 텍스쳐 분석 방법을 제공하는 것이다.
상기 과제를 이루기 위하여 본 발명의 일측면에 따른 디지털 영상 텍스쳐 분석 방법은 원 영상의 픽셀값의 평균을 텍스쳐 특징으로써 포함하는 텍스쳐 기술자를 구하는 단계;를 포함하는 것을 특징으로 한다.
또한, 상기 텍스쳐 특징은 원 영상의 픽셀값의 분산을 더 포함하는 것이 바람직하다.
상기 과제를 이루기 위하여 본 발명의 타측면에 따른 디지털 영상 텍스쳐 분석 방법은 원 영상의 픽셀값의 분산을 텍스쳐 특징으로써 포함하는 텍스쳐 기술자를 구하는 단계;를 포함하는 것을 특징으로 한다.
상기 과제를 이루기 위하여 본 발명의 타측면에 따른 디지털 영상 텍스쳐 분석 방법은 (a) 원 영상의 픽셀값의 평균
Figure 112000016897375-pat00009
과, 원 영상의 픽셀값의 분산
Figure 112000016897375-pat00010
을 구하는 단계; (b) m과 n을 소정의 양의 수라 할 때, m 스케일과 n 방향성의 조합을 가지는 소정의 필터들을 사용하여 원 영상을 필터링함으로써 m×n 필터링된 영상을 구하는 단계; (c) 각 필터링된 영상들의 평균
Figure 112000016897375-pat00011
과 각 필터링된 영상들의 분산
Figure 112000016897375-pat00012
을 구하는 단계; 및 (d) 상기 (a) 단계에서 구한 원 영상의 픽셀값의 평균
Figure 112000016897375-pat00013
, 원 영상의 픽셀값의 분산
Figure 112000016897375-pat00014
과, 상기 (c) 단계에서 구한 각 필터링된 영상들의 평균
Figure 112000016897375-pat00015
과 각 필터링된 영상들의 분산
Figure 112000016897375-pat00016
을 텍스쳐 특징으로써 포함하는 텍스쳐 기술자를 구하는 단계;를 포함하는 것을 특징으로 한다.
상기 다른 과제를 이루기 위하여 본 발명에 따른 컴퓨터 독취 가능 기록 매체는 디지털 영상의 텍스쳐를 분석하는 방법을 수행하는 프로그램 코드들을 저장하는 컴퓨터 독취 가능 기록 매체에 있어서, (a) 원 영상의 픽셀값의 평균
Figure 112000016897375-pat00017
, 원 영상의 픽셀값의 분산
Figure 112000016897375-pat00018
을 구하는 단계; (b) m과 n을 소정의 양의 수라 할 때, m 스케일과 n 방향성의 조합을 가지는 소정의 필터들을 사용하여 원 영상을 필터링함으로써 m×n 필터링된 영상을 구하는 단계; (c) 각 필터링된 영상들의 평균
Figure 112000016897375-pat00019
과 각 필터링된 영상들의 분산
Figure 112000016897375-pat00020
을 구하는 단계; 및 (d) 상기 (a) 단계에서 구한 원 영상의 픽셀값의 평균
Figure 112000016897375-pat00021
, 원 영상의 픽셀값의 분산
Figure 112000016897375-pat00022
과, 상기 (c) 단계에서 구한 각 필터링된 영상들의 평균
Figure 112000016897375-pat00023
과 각 필터링된 영상 들의 분산
Figure 112000016897375-pat00024
을 텍스쳐 특징으로써 포함하는 텍스쳐 기술자를 구하는 단계;를 포함하는 디지털 영상 텍스쳐 분석 방법을 수행하는 프로그램 코드들을 저장하는 것을 특징으로 한다.
상기 또 다른 과제를 이루기 위하여 본 발명에 따른 디지털 영상 텍스쳐 분석 장치는 원 영상의 픽셀값의 평균 및 분산을 구하는 평균/분산 계산부; 및 상기 평균 및 분산을 텍스쳐 기술자로써 설정하는 텍스쳐 기술자 설정부;를 포함하는 것을 특징으로 한다.
또한, 상기 디지털 영상 텍스쳐 분석 장치는 m과 n을 소정의 양의 수라 할 때, m 스케일과 n 방향성의 조합을 가지는 소정의 필터들을 사용하여 원 영상을 필터링함으로써 m×n 필터링된 영상을 구하는 필터링부;를 더 포함하고, 상기 평균/분산 계산부는, 원 영상의 픽셀값의 평균
Figure 112000016897375-pat00025
, 원 영상의 픽셀값의 분산
Figure 112000016897375-pat00026
과, 각 필터링된 영상들의 평균
Figure 112000016897375-pat00027
과 각 필터링된 영상들의 분산
Figure 112000016897375-pat00028
을 구하며, 상기 텍스쳐 기술자 설정부는, 원 영상의 픽셀값의 평균
Figure 112000016897375-pat00029
, 원 영상의 픽셀값의 분산
Figure 112000016897375-pat00030
과, 각 필터링된 영상들의 평균
Figure 112000016897375-pat00031
과 각 필터링된 영상들의 분산
Figure 112000016897375-pat00032
을 텍스쳐 특징으로써 포함하는 텍스쳐 기술자를 구하는 것이 바람직하다.
상기 또 다른 과제를 이루기 위하여 본 발명에 따른 디지털 영상 검색 방법은 원 영상의 픽셀값의 평균 및 분산을 텍스쳐 특성으로써 포함하는 텍스쳐 기술자를 사용하여 쿼리 영상의 텍스쳐 기술자와 유사한 텍스쳐 기술자를 가지는 영상을 검색하는 단계;를 포함하는 것을 특징으로 한다.
상기 또 다른 과제를 이루기 위하여 본 발명의 일측면에 따른 디지털 영상 텍스쳐 분석 방법은 임의의 두 디지털 영상의 픽셀값의 평균의 절대차를 포함하는 매칭 메트릭을 계산하는 단계;를 포함하는 것을 특징으로 한다.
또한, 상기 매칭 메트릭은 원 영상의 픽셀값의 분산의 절대차를 더 포함하는 것이 바람직하다.
상기 또 다른 과제를 이루기 위하여 본 발명의 타측면에 따른 디지털 영상 텍스쳐 분석 방법은 임의의 두 디지털 영상의 픽셀값의 분산의 절대차를 포함하는 매칭 메트릭을 계산하는 단계;를 포함하는 것을 특징으로 한다.
삭제
삭제
삭제
상기 또 다른 과제를 이루기 위하여 본 발명의 일측면에 따른 디지털 영상 텍스쳐 분석 방법은 (a) 임의의 두 영상에 대하여 각기 다른 방향성 계수의 소정의 필터들을 사용하여 필터링된 영상을 구하는 단계; 및 (b) 임의의 필터링된 영상과, 상기 영상을 필터링한 필터의 방향성 계수와 다른 방향성 계수의 필터에 의하여 필터링된 영상에 대하여 픽셀값의 평균의 절대차합의 최소값을 계산함으로써 매칭 메트릭을 구하는 단계;를 포함하는 것을 특징으로 한다.
상기 또 다른 과제를 이루기 위하여 본 발명의 타측면에 따른 디지털 영상 텍스쳐 분석 방법은 (a) 임의의 두 영상에 대하여 각기 다른 방향성 계수의 소정의 필터들을 사용하여 필터링된 영상을 구하는 단계; 및 (b) 임의의 필터링된 영상과, 상기 영상을 필터링한 필터의 방향성 계수와 다른 방향성 계수의 필터에 의하여 필터링된 영상에 대하여 픽셀값의 분산의 절대차합의 최소값을 계산함으로써 매칭 메트릭을 구하는 단계;를 포함하는 것을 특징으로 한다.
삭제
삭제
삭제
삭제
상기 또 다른 과제를 이루기 위하여 본 발명의 일측면에 따른 디지털 영상 텍스쳐 분석 방법은 (a) 임의의 두 영상에 대하여 각기 다른 스케일 계수의 소정의 필터들을 사용하여 필터링된 영상을 구하는 단계; 및 (b) 임의의 필터링된 영상과, 상기 영상을 필터링한 필터의 스케일 계수와 다른 스케일 계수의 필터에 의하여 필터링된 영상에 대하여 픽셀값의 평균의 절대차합의 최소값을 계산함으로써 매칭 메 트릭을 구하는 단계;를 포함하는 것을 특징으로 한다.
상기 또 다른 과제를 이루기 위하여 본 발명의 타측면에 따른 디지털 영상 텍스쳐 분석 방법은 (a) 임의의 두 영상에 대하여 각기 다른 스케일 계수의 소정의 필터들을 사용하여 필터링된 영상을 구하는 단계; 및 (b) 임의의 필터링된 영상과, 상기 영상을 필터링한 필터의 스케일 계수와 다른 스케일 계수의 필터에 의하여 필터링된 영상에 대하여 픽셀값의 분산의 절대차합의 최소값을 계산함으로써 매칭 메트릭을 구하는 단계;를 포함하는 것을 특징으로 한다.
삭제
삭제
삭제
삭제
삭제
상기 또 다른 과제를 이루기 위하여 본 발명에 따른 디지털 영상 텍스쳐 분석 방법은 (a) 임의의 두 영상에 대하여 각기 다른 스케일 계수와 각기 다른 방향성 계수의 소정의 필터들을 사용하여 필터링된 영상을 구하는 단계; 및 (b) 임의의 필터링된 영상과, 상기 영상을 필터링한 필터의 스케일 계수 및 방향성 계수와 다른 스케일 계수 및 방향성 계수의 소정의 필터에 의하여 필터링된 영상에 대하여 픽셀값의 분산 및 평균의 절대차합의 최소값을 계산함으로써 매칭 메트릭을 구하는 단계;를 포함하는 것을 특징으로 한다.
이하 첨부된 도면들을 참조하여 본 발명에 따른 바람직한 실시예들을 상세히 기술하기로 한다.
도 2에는 본 발명의 일실시예에 따른 디지털 영상 분석 장치의 구조를 블록도로써 나타내었다. 도 3에는 도 2의 디지털 영상 분석 장치내에서 수행되는 본 발 명의 일실시예에 따른 디지털 영상 분석 방법의 주요 단계들을 흐름도로써 나타내었다. 도 3은 이하에서 수시로 참조된다.
먼저, 도 2를 참조하면, 본 발명의 일실시예에 따른 디지털 영상 분석 장치는 제1 평균/분산 계산부(202), 필터링부(204), 제2 평균/분산 계산부(206), 및 텍스쳐 기술자 설정부(208)를 구비한다. 상기와 같은 장치의 동작을 설명한다. 제1 평균/분산 계산부(202)는 원 영상의 픽셀값의 평균
Figure 112000016897375-pat00070
과, 원 영상의 픽셀값의 분산
Figure 112000016897375-pat00071
을 구한다(단계 302). 다음으로, 필터링부(204)는 m과 n을 소정의 양의 수라 할 때, m 스케일과 n 방향성의 조합을 가지는 가버(Garbor) 필터들을 사용하여 m×n 필터링된 영상을 구한다(단계 304). 다음으로, 제2 평균/분산 계산부(206)는 각 필터링된 영상들의 평균
Figure 112000016897375-pat00072
과 각 필터링된 영상들의 분산
Figure 112000016897375-pat00073
을 구한다(단계 306).
이제, 텍스쳐 기술자 설정부(208)는 상기 단계(302)에서 구한 원 영상의 픽셀값의 평균
Figure 112000016897375-pat00074
, 원 영상의 픽셀값의 분산
Figure 112000016897375-pat00075
과, 상기 단계(306)에서 구한 각 필터링된 영상들의 평균
Figure 112000016897375-pat00076
과 각 필터링된 영상들의 분산
Figure 112000016897375-pat00077
을 텍스쳐 특징으로써 포함하는 텍스쳐 기술자
Figure 112000016897375-pat00078
를 구한다(단계 308).
이와 같은 텍스쳐 기술자는 영상을 인덱싱하는데 사용된다. 인덱싱된 영상은 영상 데이터베이스를 구성한다. 영상 데이터베이스가 구성되면, 인덱싱된 영상둘중에서 쿼리 영상의 텍스쳐 기술자와 유사한 텍스쳐 기술자를 가지는 영상을 검색하 는 것이 가능하다. 특히, 상술한 실시예에 따른 분석 방법에 의하여 원 영상의 픽셀값의 평균 및 분산을 텍스쳐 특성으로써 포함하는 텍스쳐 기술자를 사용하여 쿼리 영상과 유사한 영상을 검색하는 시뮬레이션을 실행한 결과, 검색 효율이 향상되는 것을 발견하였다.
도 4에는 본 발명의 타실시예에 따른 디지털 영상 분석 장치의 구조를 블록도로써 나타내었다. 도 5에는 도 4의 디지털 영상 분석 장치내에서 수행되는 본 발명의 타실시예에 따른 디지털 영상 분석 방법의 주요 단계들을 흐름도로써 나타내었다. 도 5는 이하에서 수시로 참조된다.
도 4를 참조하면, 본 발명의 타실시예에 따른 디지털 영상 분석 장치는 필터링부(402), 및 매칭 메트릭 계산부(404)를 구비한다. 상기와 같은 장치의 동작을 설명한다. 필터링부(402)는 임의의 두 영상에 대하여 m과 n을 소정의 양의 수라 할 때, m 스케일과 n 방향성의 조합을 가지는 가버 필터들을 사용하여 m×n 필터링된 영상을 구한다(단계 502).
매칭 메트릭 계산부(404)는 각 영상의 픽셀값의 평균 및 분산을 각각
Figure 112006062758952-pat00079
와
Figure 112006062758952-pat00080
및
Figure 112006062758952-pat00081
, 원 영상의 픽셀값의 평균과 분산을 각각
Figure 112006062758952-pat00082
과
Figure 112006062758952-pat00083
, m 스케일과 n 방향성을 갖는 가버 필터를 이용하여 필터링된 상기 영상 i 및 j의 픽셀값의 평균을 각각
Figure 112006062758952-pat00211
와
Figure 112006062758952-pat00212
, m 스케일과 n 방향성을 갖는 가버 필터를 이용하여 필터링된 상기 영상 i 및 j의 픽셀값의 분산을 각각
Figure 112006062758952-pat00213
과
Figure 112006062758952-pat00214
라 하고,
Figure 112006062758952-pat00084
,
Figure 112006062758952-pat00085
라 할 때, 원 영상들과 m×n 필터링된 영상들에 대하여
Figure 112006062758952-pat00086
로써 정의되는 매칭 메트릭을 계산한다(단계 504). 계산된 매칭 메트릭은 두 영상의 텍스쳐 특징이 어느 정도의 차이를 가지는지를 나타낸다. 즉, 계산된 매칭 메트릭이 작을수록 두 영상의 텍스쳐 특징은 유사한 것으로 결정된다. 이와 같은 디지털 영상 분석 방법은 임의의 두 디지털 영상 사이의 매칭 메트릭을 구함으로써 두 영상의 유사도를 평가하며, 영상의 텍스쳐 특징을 사용하여 영상을 검색하는데 응용할 수 있다.
도 6에는 도 4의 디지털 영상 분석 장치내에서 수행되는 본 발명의 타실시예에 따른 디지털 영상 분석 방법의 주요 단계들을 흐름도로써 나타내었다. 본 실시예에서, 필터링부(402)는 임의의 두 영상에 대하여 m과 n을 소정의 양의 수라 할 때, m 스케일과 n 방향성의 조합을 가지는 소정의 필터들을 사용하여 원 영상을 필터링함으로써 m×n 필터링된 영상을 구한다(단계 602).
다음으로, 매칭 메트릭 계산부(404)는 각 영상의 픽셀값의 평균 및 분산을
Figure 112000016897375-pat00087
및
Figure 112000016897375-pat00088
, 원 영상의 픽셀값의 평균과 분산을 각각
Figure 112000016897375-pat00089
과
Figure 112000016897375-pat00090
, K는 소정의 양의 수로써 고려하고자 하는 방향성 계수의 수,
Figure 112000016897375-pat00091
,
Figure 112000016897375-pat00092
는 모듈로 시프트 함수를 나타낸다고 할 때, m×n 필터링된 영상들에 대하여,
Figure 112000016897375-pat00093
로써 정의되는 매칭 메트릭을 계산한다(단계 604). 계산된 매칭 메트릭은 두 영상의 텍스쳐 특징이 어느 정도의 차이를 가지는지를 나타낸다. 즉, 계산된 매칭 메트릭이 작을수록 두 영상의 텍스쳐 특징은 유사한 것으로 결정된다. 특히, 두 영상의 텍스쳐 특징이 유사하고, 다만 한 영상에 대하여 다른 하나의 영상이 상대적으로 회전되어 있기만 한 경우에도, 상기와 같은 방법에 따라 계산된 매칭 메트릭은 두 영상의 텍스쳐 특징이 유사한 것으로 정확하게 분석한다. 즉, 한 영상에 대하여 다른 하나의 영상이 상대적으로 회전되어 있기만 한 경우 종래의 텍스쳐 분석 방법에서는 텍스쳐 특징이 다르게 나타나는 문제점을 해결한다. 이와 같은 디지털 영상 분석 방법은 임의의 두 디지털 영상 사이의 매칭 메트릭을 구함으로써 두 영상의 유사도를 평가하며, 영상의 텍스쳐 특징을 사용하여 영상을 검색하는데 응용할 수 있다.
상기 실시예에서는 임의의 필터링된 영상과, 상기 영상을 필터링한 필터의 방향성 계수와 다른 방향성 계수의 가버 필터에 의하여 필터링된 영상에 대하여 픽셀값의 평균의 절대차합과, 픽셀값의 분산의 절대차합을 각각 구하고, 구한 절대차합들의 합의 최소값을 계산함으로써 매칭 메트릭을 구하는 것을 실시예로서 기술하였으나, 임의의 필터링된 영상과, 상기 영상을 필터링한 필터의 방향성 계수와 다른 방향성 계수의 가버 필터에 의하여 필터링된 영상에 대하여 픽셀값의 평균의 절대차합의 최소값을 계산함으로써 매칭 메트릭을 구하는 것도 가능하다. 또한, 대안적으로, 임의의 필터링된 영상과, 상기 영상을 필터링한 필터의 방향성 계수와 다른 방향성 계수의 가버 필터에 의하여 필터링된 영상에 대하여 픽셀값의 분산의 절대차합의 최소값을 계산함으로써 매칭 메트릭을 구하는 것도 가능하다.
도 7에는 도 4의 디지털 영상 분석 장치내에서 수행되는 본 발명의 타실시예에 따른 디지털 영상 분석 방법의 주요 단계들을 흐름도로써 나타내었다. 본 실시예에서, 필터링부(402)는 임의의 두 영상에 대하여 m과 n을 소정의 양의 수라 할 때, m 스케일과 n 방향성의 조합을 가지는 가버 필터들을 사용하여 m×n 필터링된 영상을 구한다(단계 702).
다음으로, 매칭 메트릭 계산부(404)는 각 영상의 픽셀값의 평균 및 분산을 각각
Figure 112006062758952-pat00094
와
Figure 112006062758952-pat00095
및
Figure 112006062758952-pat00096
, 원 영상의 픽셀값의 평균과 분산을 각각
Figure 112006062758952-pat00097
과
Figure 112006062758952-pat00098
,m 스케일과 n 방향성을 갖는 가버 필터를 이용하여 필터링된 상기 영상 i 및 j의 픽셀값의 평균을 각각
Figure 112006062758952-pat00215
와
Figure 112006062758952-pat00216
, m 스케일과 n 방향성을 갖는 가버 필터를 이용하여 필터링된 상기 영상 i 및 j의 픽셀값의 분산을 각각
Figure 112006062758952-pat00217
과
Figure 112006062758952-pat00218
,
Figure 112006062758952-pat00099
라 할 때, 원 영상 및 m×n 필터링된 영상들에 대하여,
Figure 112000016897375-pat00100
로써 정의되는 매칭 메트릭을 계산한다(단계 704). 계산된 매칭 메트릭은 두 영상의 텍스쳐 특징이 어느 정도의 차이를 가지는지를 나타낸다. 즉, 계산된 매칭 메트릭이 작을수록 두 영상의 텍스쳐 특징은 유사한 것으로 결정된다. 특히, 두 영상의 텍스쳐 특징이 유사하고, 다만 한 영상에 대하여 다른 하나의 영상이 상대적으로 확대 또는 축소되어 있기만 한 경우에도, 상기와 같은 방법에 따라 계산된 매칭 메트릭은 두 영상의 텍스쳐 특징이 유사한 것으로 정확하게 분석한다. 즉, 한 영상에 대하여 다른 하나의 영상이 상대적으로 확대 또는 축소되어 있기만 한 경우 종래의 텍스쳐 분석 방법에서는 텍스쳐 특징이 다르게 나타나는 문제점을 해결한다. 이와 같은 디지털 영상 분석 방법은 임의의 두 디지털 영상 사이의 매칭 메트릭을 구함으로써 두 영상의 유사도를 평가하며, 영상의 텍스쳐 특징을 사용하여 영상을 검색하는데 응용할 수 있다.
상기 실시예에서는 임의의 필터링된 영상과, 상기 영상을 필터링한 필터의 스케일 계수와 다른 스케일 계수의 가버 필터에 의하여 필터링된 영상에 대하여 픽셀값의 평균의 절대차합과, 픽셀값의 분산의 절대차합을 각각 구하고, 구한 절대차합들의 합의 최소값을 계산함으로써 매칭 메트릭을 구하는 것을 실시예로서 기술하 였으나, 임의의 필터링된 영상과, 상기 영상을 필터링한 필터의 스케일 계수와 다른 스케일 계수의 가버 필터에 의하여 필터링된 영상에 대하여 픽셀값의 평균의 절대차합의 최소값을 계산함으로써 매칭 메트릭을 구하는 것도 가능하다. 또한, 대안적으로, 임의의 필터링된 영상과, 상기 영상을 필터링한 필터의 스케일 계수와 다른 스케일 계수의 가버 필터에 의하여 필터링된 영상에 대하여 픽셀값의 분산의 절대차합의 최소값을 계산함으로써 매칭 메트릭을 구하는 것도 가능하다.
도 6 및 도 7을 참조하여 설명한 실시예에 적용된 기술은 당업자에 의하여 이해될 수 있는 바와 같이 적절히 조합하여 사용하는 것이 가능하며, 이러한 디지털 영상 텍스쳐 분석 방법에 따르면, 한 영상에 대하여 다른 하나의 영상이 상대적으로 회전되어 있거나 확대 또는 축소되어 있기만 한 경우에도 두 영상의 텍스쳐 특징이 유사한 것으로 정확하게 분석할 수 있다. 상기와 같이 도 6 및 도 7을 참조하여 설명한 실시예들에 적용된 기술을 조합한 실시예는 본 명세서에서 기술하지 않는다.
상술한 바와 같이 본 발명에 따른 텍스쳐 분석 방법은 영상의 텍스쳐 특성을 보다 정확하게 분석하고 비교한다. 또한, 본 발명에 따른 디지털 영상 텍스쳐 분석 방법은 한 영상에 대하여 다른 하나의 영상이 상대적으로 회전되어 있거나 확대 또는 축소되어 있기만 한 경우에도 두 영상의 텍스쳐 특징이 유사한 것으로 정확하게 분석할 수 있다.

Claims (42)

  1. 삭제
  2. 삭제
  3. 삭제
  4. 디지털 영상의 텍스쳐 특성을 분석하는 방법에 있어서,
    (a) 원 영상의 픽셀값의 평균
    Figure 112000016897375-pat00101
    과, 원 영상의 픽셀값의 분산
    Figure 112000016897375-pat00102
    을 구하는 단계;
    (b) m과 n을 소정의 양의 수라 할 때, m 스케일과 n 방향성의 조합을 가지는 소정의 필터들을 사용하여 원 영상을 필터링함으로써 m×n 필터링된 영상을 구하는 단계;
    (c) 각 필터링된 영상들의 평균
    Figure 112000016897375-pat00103
    과 각 필터링된 영상들의 분산
    Figure 112000016897375-pat00104
    을 구하는 단계; 및
    (d) 상기 (a) 단계에서 구한 원 영상의 픽셀값의 평균
    Figure 112000016897375-pat00105
    , 원 영상의 픽셀값의 분산
    Figure 112000016897375-pat00106
    과, 상기 (c) 단계에서 구한 각 필터링된 영상들의 평균
    Figure 112000016897375-pat00107
    과 각 필터링된 영상들의 분산
    Figure 112000016897375-pat00108
    을 텍스쳐 특징으로써 포함하는 텍스쳐 기술자를 구하는 단계;를 포함하는 것을 특징으로 하는 디지털 영상 텍스쳐 분석 방법.
  5. 제4항에 있어서, 상기 소정의 필터는,
    가버(Garbor) 필터인 것을 특징으로 하는 디지털 영상 텍스쳐 분석 방법.
  6. 디지털 영상의 텍스쳐를 분석하는 방법을 수행하는 프로그램 코드들을 저장하는 컴퓨터 독취 가능 기록 매체에 있어서,
    (a) 원 영상의 픽셀값의 평균
    Figure 112000016897375-pat00109
    과, 원 영상의 픽셀값의 분산
    Figure 112000016897375-pat00110
    을 구하는 단계;
    (b) m과 n을 소정의 양의 수라 할 때, m 스케일과 n 방향성의 조합을 가지는 소정의 필터들을 사용하여 원 영상을 필터링함으로써 m×n 필터링된 영상을 구하는 단계;
    (c) 각 필터링된 영상들의 평균
    Figure 112000016897375-pat00111
    과 각 필터링된 영상들의 분산
    Figure 112000016897375-pat00112
    을 구하는 단계; 및
    (d) 상기 (a) 단계에서 구한 원 영상의 픽셀값의 평균
    Figure 112000016897375-pat00113
    , 원 영상의 픽셀 값의 분산
    Figure 112000016897375-pat00114
    과, 상기 (c) 단계에서 구한 각 필터링된 영상들의 평균
    Figure 112000016897375-pat00115
    과 각 필터링된 영상들의 분산 을 텍스쳐 특징으로써 포함하는 텍스쳐 기술자를 구하는 단계;를 포함하는 디지털 영상 텍스쳐 분석 방법을 수행하는 프로그램 코드들을 저장하는 것을 특징으로 하는 컴퓨터 독취 가능 기록 매체.
  7. 제6항에 있어서, 상기 소정의 필터는,
    가버(Garbor) 필터인 것을 특징으로 하는 컴퓨터 독취 가능 기록 매체.
  8. 디지털 영상의 텍스쳐 특성을 분석하는 장치에 있어서,
    원 영상의 픽셀값의 평균 및 분산을 구하는 평균/분산 계산부;
    상기 평균 및 분산을 텍스쳐 기술자로써 설정하는 텍스쳐 기술자 설정부; 및
    m과 n을 소정의 양의 수라 할 때, m 스케일과 n 방향성의 조합을 가지는 소정의 필터들을 사용하여 원 영상을 필터링함으로써 m×n 필터링된 영상을 구하는 필터링부;를 포함하고,
    상기 평균/분산 계산부는,
    원 영상의 픽셀값의 평균
    Figure 112006062758952-pat00219
    , 원 영상의 픽셀값의 분산
    Figure 112006062758952-pat00220
    과, 각 필터링된 영상들의 평균
    Figure 112006062758952-pat00221
    과 각 필터링된 영상들의 분산
    Figure 112006062758952-pat00222
    을 구하며,
    상기 텍스쳐 기술자 설정부는,
    원 영상의 픽셀값의 평균
    Figure 112006062758952-pat00223
    , 원 영상의 픽셀값의 분산
    Figure 112006062758952-pat00224
    과, 각 필터링된 영상들의 평균
    Figure 112006062758952-pat00225
    과 각 필터링된 영상들의 분산
    Figure 112006062758952-pat00226
    을 텍스쳐 특징으로써 포함하는 텍스쳐 기술자를 구하는 것을 특징으로 하는 디지털 영상 텍스쳐 분석 장치.
  9. 삭제
  10. 삭제
  11. 임의의 두 디지털 영상 사이의 매칭 메트릭을 구함으로써 두 영상의 텍스쳐의 유사도를 평가하는 디지털 영상 텍스쳐 분석 방법에 있어서,
    (a) 상기 두 영상들의 원 영상들의 픽셀값의 평균과, 분산을 구하는 단계;
    (b) m과 n을 소정의 양의 수라 할 때, m 스케일과 n 방향성의 조합을 가지는 소정의 필터들을 사용하여 상기 두 영상을 필터링함으로써 m×n 필터링된 영상을 구하는 단계;
    (c) 각 필터링된 영상들의 평균과 각 필터링된 영상들의 분산을 구하는 단계; 및
    (d) 상기 (a) 단계에서 구한 원 영상들의 픽셀값의 평균의 절대차와, 상기 (c) 단계에서 구한 각 필터링된 영상들의 평균의 절대차합과 각 필터링된 영상들의 분산의 절대차합을 텍스쳐 특징으로써 포함하는 텍스쳐 기술자를 구하는 단계;를 포함하는 것을 특징으로 하는 디지털 영상 텍스쳐 분석 방법.
  12. 제11항에 있어서, 상기 매칭 메트릭은,
    원 영상들의 픽셀값의 분산의 절대차를 더 포함하는 것을 특징으로 하는 디지털 영상 텍스쳐 분석 방법.
  13. 임의의 두 디지털 영상 사이의 매칭 메트릭을 구함으로써 두 영상의 텍스쳐의 유사도를 평가하는 디지털 영상 텍스쳐 분석 방법에 있어서,
    (a) 상기 두 영상들의 원 영상들의 픽셀값의 평균과, 분산을 구하는 단계;
    (b) m과 n을 소정의 양의 수라 할 때, m 스케일과 n 방향성의 조합을 가지는 소정의 필터들을 사용하여 상기 두 영상을 필터링함으로써 m×n 필터링된 영상을 구하는 단계;
    (c) 각 필터링된 영상들의 평균과 각 필터링된 영상들의 분산을 구하는 단계; 및
    (d) 상기 (a) 단계에서 구한 원 영상들의 픽셀값의 분산의 절대차와, 상기 (c) 단계에서 구한 각 필터링된 영상들의 평균의 절대차합과 각 필터링된 영상들의 분산의 절대차합을 텍스쳐 특징으로써 포함하는 텍스쳐 기술자를 구하는 단계;를 포함하는 것을 특징으로 하는 디지털 영상 텍스쳐 분석 방법.
  14. 삭제
  15. 삭제
  16. 삭제
  17. 삭제
  18. 삭제
  19. 삭제
  20. 임의의 두 디지털 영상 사이의 매칭 메트릭을 구함으로써 두 영상의 텍스쳐의 유사도를 평가하는 디지털 영상 텍스쳐 분석 방법에 있어서,
    (a) 임의의 두 영상에 대하여 각기 다른 방향성 계수의 소정의 필터들을 사용하여 필터링된 영상을 구하는 단계; 및
    (b) 임의의 필터링된 영상과, 상기 영상을 필터링한 필터의 방향성 계수와 다른 방향성 계수의 필터에 의하여 필터링된 영상에 대하여 픽셀값의 평균의 절대차합의 최소값을 계산함으로써 매칭 메트릭을 구하는 단계;를 포함하는 것을 특징 으로 하는 디지털 영상 텍스쳐 분석 방법.
  21. 제20항에 있어서, 상기 소정의 필터는,
    가버 필터인 것을 특징으로 하는 디지털 영상 텍스쳐 분석 방법.
  22. 임의의 두 디지털 영상 사이의 매칭 메트릭을 구함으로써 두 영상의 텍스쳐의 유사도를 평가하는 디지털 영상 텍스쳐 분석 방법에 있어서,
    (a) 임의의 두 영상에 대하여 각기 다른 방향성 계수의 소정의 필터들을 사용하여 필터링된 영상을 구하는 단계; 및
    (b) 임의의 필터링된 영상과, 상기 영상을 필터링한 필터의 방향성 계수와 다른 방향성 계수의 필터에 의하여 필터링된 영상에 대하여 픽셀값의 분산의 절대차합의 최소값을 계산함으로써 매칭 메트릭을 구하는 단계;를 포함하는 것을 특징으로 하는 디지털 영상 텍스쳐 분석 방법.
  23. 제22항에 있어서, 상기 소정의 필터는,
    가버 필터인 것을 특징으로 하는 디지털 영상 텍스쳐 분석 방법.
  24. 제22항에 있어서, 상기 (b) 단계는,
    임의의 필터링된 영상과, 상기 영상을 필터링한 필터의 방향성 계수와 다른 방향성 계수의 필터에 의하여 필터링된 영상에 대하여 픽셀값의 평균의 절대차합과 픽셀값의 분산의 절대차합의 합의 최소값을 계산함으로써 매칭 메트릭을 구하는 단계;를 포함하는 것을 특징으로 하는 디지털 영상 텍스쳐 분석 방법.
  25. 삭제
  26. 삭제
  27. 삭제
  28. 삭제
  29. 삭제
  30. 임의의 두 디지털 영상 사이의 매칭 메트릭을 구함으로써 두 영상의 텍스쳐의 유사도를 평가하는 디지털 영상 텍스쳐 분석 방법에 있어서,
    (a) 임의의 두 영상에 대하여 각기 다른 스케일 계수의 소정의 필터들을 사용하여 필터링된 영상을 구하는 단계; 및
    (b) 임의의 필터링된 영상과, 상기 영상을 필터링한 필터의 스케일 계수와 다른 스케일 계수의 필터에 의하여 필터링된 영상에 대하여 픽셀값의 평균의 절대차합의 최소값을 계산함으로써 매칭 메트릭을 구하는 단계;를 포함하는 것을 특징으로 하는 디지털 영상 텍스쳐 분석 방법.
  31. 제30항에 있어서, 상기 소정의 필터는,
    가버 필터인 것을 특징으로 하는 디지털 영상 텍스쳐 분석 방법.
  32. 임의의 두 디지털 영상 사이의 매칭 메트릭을 구함으로써 두 영상의 텍스쳐 의 유사도를 평가하는 디지털 영상 텍스쳐 분석 방법에 있어서,
    (a) 임의의 두 영상에 대하여 각기 다른 스케일 계수의 소정의 필터들을 사용하여 필터링된 영상을 구하는 단계; 및
    (b) 임의의 필터링된 영상과, 상기 영상을 필터링한 필터의 스케일 계수와 다른 스케일 계수의 필터에 의하여 필터링된 영상에 대하여 픽셀값의 분산의 절대차합의 최소값을 계산함으로써 매칭 메트릭을 구하는 단계;를 포함하는 것을 특징으로 하는 디지털 영상 텍스쳐 분석 방법.
  33. 제32항에 있어서, 상기 소정의 필터는,
    가버 필터인 것을 특징으로 하는 디지털 영상 텍스쳐 분석 방법.
  34. 제32항에 있어서, 상기 (b) 단계는,
    (b') 임의의 필터링된 영상과, 상기 영상을 필터링한 필터의 스케일 계수와 다른 스케일 계수의 필터에 의하여 필터링된 영상에 대하여 픽셀값의 평균의 절대차와 픽셀값의 분산의 절대차의 합의 최소값을 계산함으로써 매칭 메트릭을 구하는 단계;를 포함하는 것을 특징으로 하는 디지털 영상 텍스쳐 분석 방법.
  35. 삭제
  36. 삭제
  37. 삭제
  38. 삭제
  39. 삭제
  40. 삭제
  41. 삭제
  42. 임의의 두 디지털 영상 사이의 매칭 메트릭을 구함으로써 두 영상의 텍스쳐의 유사도를 평가하는 디지털 영상 텍스쳐 분석 방법에 있어서,
    (a) 임의의 두 영상에 대하여 각기 다른 스케일 계수와 각기 다른 방향성 계수의 소정의 필터들을 사용하여 필터링된 영상을 구하는 단계; 및
    (b) 임의의 필터링된 영상과, 상기 영상을 필터링한 필터의 스케일 계수 및 방향성 계수와 다른 스케일 계수 및 방향성 계수의 소정의 필터에 의하여 필터링된 영상에 대하여 픽셀값의 분산 및 평균의 절대차합의 최소값을 계산함으로써 매칭 메트릭을 구하는 단계;를 포함하는 것을 특징으로 하는 디지털 영상 텍스쳐 분석 방법.
KR1020000046597A 1999-10-01 2000-08-11 디지털 영상 텍스쳐 분석 방법 KR100788642B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15707799P 1999-10-01 1999-10-01
US60/157,077 1999-10-01

Publications (2)

Publication Number Publication Date
KR20010039811A KR20010039811A (ko) 2001-05-15
KR100788642B1 true KR100788642B1 (ko) 2007-12-26

Family

ID=22562262

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020000046597A KR100788642B1 (ko) 1999-10-01 2000-08-11 디지털 영상 텍스쳐 분석 방법

Country Status (4)

Country Link
EP (1) EP1089232A3 (ko)
JP (2) JP2001134768A (ko)
KR (1) KR100788642B1 (ko)
CN (5) CN1315100C (ko)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE60045319D1 (de) * 1999-02-05 2011-01-13 Samsung Electronics Co Ltd Verfahren und Vorrichtung zum Wiederauffinden von Texturbildern
KR100355404B1 (ko) * 1999-12-03 2002-10-11 삼성전자 주식회사 주파수 공간상에서의 가보 필터를 이용한 질감표현방법 및질감기반 영상 검색방법
GB2375908B (en) * 2001-05-23 2003-10-29 Motorola Inc Image transmission system image transmission unit and method for describing texture or a texture-like region
CN100353379C (zh) * 2003-07-23 2007-12-05 西北工业大学 一种基于图像纹理特征的图像检索方法
GB2418556A (en) * 2004-09-23 2006-03-29 Mitsubishi Electric Inf Tech Representing an image using descriptors based on colour information
WO2006077550A2 (en) * 2005-01-24 2006-07-27 Koninklijke Philips Electronics N.V. Image processor comprising a filter
JP4660254B2 (ja) * 2005-04-08 2011-03-30 株式会社東芝 描画方法及び描画装置
US7734107B2 (en) * 2006-02-24 2010-06-08 Sony Corporation System and method for performing wavelet-based texture feature extraction and classification
EP1895467A2 (en) * 2006-08-29 2008-03-05 Sony Corporation Image determination by frequency domain processing
WO2008055290A1 (en) * 2006-11-10 2008-05-15 National Ict Australia Limited Texture feature extractor
GB2466069B (en) * 2008-12-12 2010-11-03 Oncomorph Analysis Ltd Texture characterisation
US8908984B2 (en) * 2009-10-05 2014-12-09 I.C.V.T. Ltd. Apparatus and methods for recompression of digital images
CN105872760A (zh) * 2015-12-02 2016-08-17 乐视网信息技术（北京）股份有限公司 一种视频播放监测方法及装置
KR200487411Y1 (ko) 2018-03-26 2018-09-12 이승호 커버를 갖는 신발깔창

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS63262778A (ja) * 1987-04-20 1988-10-31 Hitachi Ltd 濃淡画像からのパタ−ン認識方法及び装置
JPH09274661A (ja) * 1996-04-03 1997-10-21 Kao Corp 物品認識方法及び装置
KR19980051900A (ko) * 1996-12-24 1998-09-25 배순훈 거리 영상 파일 분류/검색 방법 및 장치

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0627693B1 (fr) * 1993-05-05 2004-11-17 Koninklijke Philips Electronics N.V. Dispositif de segmentation d'images composées de textures
JPH07220026A (ja) * 1994-01-31 1995-08-18 Omron Corp 画像処理装置および方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS63262778A (ja) * 1987-04-20 1988-10-31 Hitachi Ltd 濃淡画像からのパタ−ン認識方法及び装置
JPH09274661A (ja) * 1996-04-03 1997-10-21 Kao Corp 物品認識方法及び装置
KR19980051900A (ko) * 1996-12-24 1998-09-25 배순훈 거리 영상 파일 분류/검색 방법 및 장치

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"Non-parametric Similarity Measures for Unsupervised Texture Segmentation and Image Retrieval"(Jan Puzicha, Thomas Hofmann, Joachim M. Buhmanni, 1997 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, pages 267-272, June, 1997 *
"Rotation invariant texture features and their use in automatic script identification" (T.N. Tan, IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL. 20, NO. 7, pages 751-756, July, 1998 *
Non-parametric Similarity Measures for Unsupervised Texture Segmentation and Image Retrieval (1997.06) *
Rotation invariant texture features and their use in automatic script identification (1998.07) *

Also Published As

Publication number Publication date
CN1545066A (zh) 2004-11-10
CN1173297C (zh) 2004-10-27
CN100334599C (zh) 2007-08-29
CN1324530C (zh) 2007-07-04
CN1298162A (zh) 2001-06-06
JP2001134768A (ja) 2001-05-18
EP1089232A2 (en) 2001-04-04
JP2004030694A (ja) 2004-01-29
CN1331098C (zh) 2007-08-08
KR20010039811A (ko) 2001-05-15
CN1542696A (zh) 2004-11-03
CN1547159A (zh) 2004-11-17
CN1545065A (zh) 2004-11-10
EP1089232A3 (en) 2003-01-15
CN1315100C (zh) 2007-05-09

Similar Documents

Publication Publication Date Title
KR100788642B1 (ko) 디지털 영상 텍스쳐 분석 방법
US9424473B2 (en) Identifying scene boundaries using group sparsity analysis
EP1494132B1 (en) Method and apparatus for representing a group of images
CN104508682B (zh) 使用群组稀疏性分析来识别关键帧
US7643686B2 (en) Multi-tiered image clustering by event
US9076043B2 (en) Video summarization using group sparsity analysis
JP4545641B2 (ja) 類似画像検索方法，類似画像検索システム，類似画像検索プログラム及び記録媒体
US7295718B2 (en) Non-linear quantization and similarity matching methods for retrieving image data
EP1233374A2 (en) Apparatus and method for extracting objects based on feature matching between segmented regions in images
US20030179213A1 (en) Method for automatic retrieval of similar patterns in image databases
US20120148149A1 (en) Video key frame extraction using sparse representation
US20120148157A1 (en) Video key-frame extraction using bi-level sparsity
US20030112874A1 (en) Apparatus and method for detection of scene changes in motion video
CN108182421A (zh) 视频分割方法和装置
US20040098225A1 (en) Similar time series detection method and apparatus, program and recording medium
JP2004350283A (ja) 圧縮ビデオから３次元オブジェクトをセグメント化する方法
KR20160034928A (ko) 주요지점 식별
CN111784658B (zh) 一种用于人脸图像的质量分析方法和系统
US6850644B1 (en) Method for analyzing texture of digital image
US20010038713A1 (en) Picture matching processing system
CN114449362A (zh) 视频封面的选取方法、装置、设备及存储介质
Kao et al. CLIMS—a system for image retrieval by using colour and wavelet features
Zhang et al. No-Reference Image Blur Assessment Based on SIFT and DCT.
Hsu et al. Content-based image retrieval by feature point matching
Mecimore et al. Unsupervised bitstream based segmentation of images

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
J201 Request for trial against refusal decision
AMND Amendment
B601 Maintenance of original decision after re-examination before a trial
S901 Examination by remand of revocation
GRNO Decision to grant (after opposition)
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20121129

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20131128

Year of fee payment: 7

LAPS Lapse due to unpaid annual fee