KR20000054860A - Structure of image description and method of image search system - Google Patents
Structure of image description and method of image search system Download PDFInfo
- Publication number
- KR20000054860A KR20000054860A KR1019990003182A KR19990003182A KR20000054860A KR 20000054860 A KR20000054860 A KR 20000054860A KR 1019990003182 A KR1019990003182 A KR 1019990003182A KR 19990003182 A KR19990003182 A KR 19990003182A KR 20000054860 A KR20000054860 A KR 20000054860A
- Authority
- KR
- South Korea
- Prior art keywords
- image
- information
- feature
- color
- weight
- Prior art date
Links
Classifications
-
- G06F17/30—
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
Abstract
Description
본 발명은 이미지 검색 시스템에 관한 것으로서 특히, 효과적인 이미지 검색을 위해서 사용자가 이미지를 검색할 때 적용되는 모든 판단기준을 분석하고, 이 판단기준들을 분류하여 이미지의 특징소 유형에 대응시켜 이미지 특징정보 세트를 구성하고, 검색시에는 상기 특징소 세트의 타입별 가중치와 요소별 가중치를 두고 판단기준을 반영하여 조정할 수 있도록 한 이미지 데이타의 구조와, 이 구조를 이용한 이미지 검색방법에 관한 것이다.The present invention relates to an image retrieval system, and in particular, to analyze an image of all the criteria applied when a user searches for an image for effective image retrieval, and classify the criteria to correspond to the feature type of the image. And a structure of the image data which can be adjusted by reflecting the criterion based on the weight for each type and the weight for each element of the feature set at the time of retrieval, and an image retrieval method using the structure.
종래의 이미지 검색방법에서는 이미지의 칼라(Color), 텍스쳐(Texture), 세이프(Shape) 등의 특징소(Feature)들을 이용해서 유사도 검색을 행한다.In a conventional image retrieval method, a similarity search is performed using features such as a color, a texture, and a shape of an image.
이때 찾고자 하는 이미지의 특성에 따라 각각의 특징소들의 중요도가 다르며, 또한 하나의 특징소라도 그 안에 존재하는 부분적인 요소 예를 들면 칼라 특징소안에서 적색, 녹색 등의 부분요소에 따라 그 중요도가 다를 수 있다.In this case, the importance of each feature varies according to the characteristics of the image to be searched for, and the importance of one feature differs depending on the partial elements existing therein, for example, in the color elements, such as red and green. Can be.
그러나 이미지 마다 다른 중요도 특성을 알 수 없기 때문에 검색시 사용자가 직접 그 중요도를 표시하도록 하는 방법(US PATENT 5,579,471; Image Query System and Methhod)(Virage Image Search Engine)을 사용하였으나, 이러한 방법은 사용자가 검색이 잘 되도록 로우 레벨의 특징소(Color, Texture, Shape)별 중요도를 직접 결정하기 어렵다는 단점이 있다.However, because different importance characteristics are not known for each image, we used a method that allows the user to directly indicate the importance when searching (US PATENT 5,579,471; Image Query System and Methhod) (Virage Image Search Engine). The disadvantage is that it is difficult to directly determine the importance of each low-level feature such as color, texture, and shape.
앞에서 설명한 바와같이 사용자는 이미지 검색시에 매우 다양한 유사도 척도를 이용해서 이미지 검색을 행한다.As described above, a user searches an image using a wide variety of similarity measures.
예를 들면 어떤 이미지는 전체적인 칼라를 기준으로 검색하기도 하며, 어떤 이미지는 어떠한 위치에 어떠한 칼라와 텍스쳐를 가지고 있는가를 기준으로 검색하기도 한다.For example, some images may be searched based on their overall color, and some images may be searched based on which colors and textures are located at which locations.
그러나, 기존의 이미지 검색방법에서는 칼라,텍스쳐,셰이프 등의 특징소들을 이용해서 유사도 검색을 행할 뿐이며, 대부분의 이미지 검색에서 사용되는 특징소들은 사용자의 검색시에 적용되는 모든 판단의 기준, 즉 주관적 또는 객관적 판단의 척도를 적용하기에는 제한적인 특징소들을 사용할 뿐이다.However, in the existing image retrieval method, the similarity retrieval is only performed by using features such as color, texture, and shape, and the features used in most image retrieval are subject to all judgment criteria, that is, subjective. Or use only limited features to apply objective measures of judgment.
그러므로 종래의 이미지 검색 시스템에서는 사용자의 판단척도를 만족하여 지능적으로 대응 발전할 수 없으며, 따라서 이미지 검색의 속도나 그 검색의 결과에 신뢰성이 떨어질 수 밖에 없었다.Therefore, in the conventional image retrieval system, it is impossible to develop intelligently by satisfying the user's judgment scale, and therefore, the reliability of the image retrieval speed or the retrieval result is inevitably deteriorated.
본 발명은 이미지 검색시에 적용되는 사용자의 가능한 모든 판단의 기준을 분석하고, 이러한 사용자의 판단기준을 이미지의 특징소 유형(Type)에 대응시켜 분류한 후, 가능한 모든 판단기준을 만족시킬 수 있는 이미지 특징정보 세트를 구성하고, 검색시에는 사용자의 판단기준을 반영하기 위해 특징소 세트의 타입별 가중치와 요소별 가중치를 두고 조정할 수 있도록 하는 이미지 검색 시스템을 제공한다.The present invention analyzes all possible judgment criteria of a user applied to an image search, classifies the criteria of the user according to the feature type of an image, and then satisfies all possible criteria. The present invention provides an image retrieval system that configures a set of image feature information and adjusts the weight of each feature set and the weight of each element to reflect the user's judgment criteria.
특히, 본 발명은 이미지 전체에 대한 특징정보의 세트와, 이미지내의 영역에 대한 특징정보의 세트와, 상기 이미지 전체에 대한 특징정보나 이미지내의 영역에 대한 특징정보들에서 이미지 검색에 고려해야할 요소에 대한 정보세트를 포함하는 이미지 데이타를 가지고, 이미지 검색시에 상기 특징소 세트의 타입별 가중치와 요소별 가중치를 두고 조정할 수 있도록 하는 이미지 검색 시스템을 제공한다.In particular, the present invention is directed to elements to be considered for image retrieval in a set of feature information for the entire image, a set of feature information for an area within the image, and feature information for the entire image or feature information for an area within the image. Provided is an image retrieval system having image data including a set of information about the information set and allowing adjustment of the feature set weight and element weight in the image retrieval.
또한 본 발명은 상기 이미지 전체에 대한 특징정보의 세트의 요소중에서 고려해야 할 요소에 대한 정보를 포함하고, 상기 이미지내의 영역에 대한 특징정보의 세트의 요소중에서 고려해야할 요소에 대한 정보를 포함하는 이미지 데이타를 가지고, 이미지 검색시에 상기 특징소 세트의 타입별 가중치와 요소별 가중치를 두고 조정할 수 있도록 하는 이미지 검색 시스템을 제공한다.In addition, the present invention includes information about an element to be considered among the elements of the set of feature information for the entire image, and image data including information about an element to be considered among the elements of the set of feature information for the region in the image. The present invention provides an image retrieval system that can be adjusted by placing the weight for each type and weight for each element of the feature set at the time of image retrieval.
도1은 본 발명을 설명하기 위한 이미지의 그리드 구조에 대한 도면1 is a diagram of a grid structure of an image for explaining the present invention.
도2는 본 발명의 이미지 검색을 위한 특징소의 구성방법을 나타낸 도면2 is a diagram showing a method of constructing a feature for image retrieval of the present invention;
도3은 본 발명의 이미지 검색을 위한 특징소의 구성방법을 나타낸 도면으로서 칼라와 텍스쳐의 실시예3 is a view showing a method of constructing a feature for image retrieval according to the present invention;
도4는 본 발명을 설명하기 위한 이미지 검색 질의 유형의 예를 나타낸 도표4 is a diagram showing an example of an image search query type for explaining the present invention;
도5는 본 발명을 설명하기 위한 아미지 검색 질의 유형에 따른 특징소 타입의 예를 나타낸 도표5 is a diagram showing an example of a feature type according to an image search query type for explaining the present invention.
도6은 본 발명의 이미지 검색을 위한 특징소 구성방법의 실시예를 나타낸 도면6 is a view showing an embodiment of a method for constructing a feature for image retrieval of the present invention;
도7은 본 발명의 이미지 검색을 위한 특징소 구성방법에서 글로벌 칼라의 예를 나타낸 도면7 is a diagram showing an example of a global color in the feature construction method for image retrieval of the present invention;
도8은 본 발명의 이미지 검색 시스템에 적용되는 이미지 특징소의 구성방법을 나타낸 도면8 is a view showing a method of configuring an image feature applied to the image retrieval system of the present invention.
도9은 본 발명의 이미지 검색 시스템에 적용되는 이미지 특징소의 구성방법에서 칼라와 텍스쳐를 사용한 경우를 나타낸 도면9 is a view showing a case where a color and a texture are used in the method of configuring an image feature applied to the image retrieval system of the present invention
본 발명의 이미지 검색 시스템은 사용자의 모든 질의(Query)에 만족하도록 하기 위해 이미지 특징소들을 고려한 이미지 특징정보와 그 정보의 유형에 해당하는 가중치를 포함하는 이미지 데이타 구조를 가지는 것을 특징으로 한다.The image retrieval system of the present invention is characterized by having an image data structure including image feature information considering the image features and weights corresponding to the type of the information in order to satisfy all queries of the user.
또한 본 발명의 이미지 검색 시스템은 사용자의 모든 질의에 만족하도록 하기 위해 이미지 특징소들을 고려한 이미지 특징정보로서 이미지 전체에 대한 특징정보와, 이미지내의 영역에 대한 특징정보와, 상기 특징정보들 중에서 이미지 검색시에 고려의 정도를 달리하기 위한 가중치 정보를 포함하는 이미지 데이타 구조를 가지는 것을 특징으로 한다.In addition, the image retrieval system of the present invention is the image feature information considering the image features in order to satisfy all the user's query, the feature information for the entire image, the feature information for the region in the image, and the image search among the feature information It is characterized in that it has an image data structure including weight information for varying the degree of consideration.
또한 본 발명의 이미지 검색 시스템은 사용자의 모든 질의에 만족하도록 하기 위해 이미지 특징소들을 고려한 이미지 특징정보의 세트를 가지고, 각 특징소의 가중치를 이미지 검색이 이루어질 때마다 이미지 검색의 결과에 대한 사용자 응답정보(Relevance Feedback)을 사용해서 자동적으로 갱신(Update)하여 이미지 검색에 사용함을 특징으로 한다.In addition, the image retrieval system of the present invention has a set of image feature information considering the image features in order to satisfy all queries of the user, and user response information on the results of the image retrieval whenever the image retrieval is performed by weighting each feature. (Relevance Feedback) is used to update the image automatically.
이하, 첨부된 도면을 참조하여 본 발명을 더욱 상세히 설명하면 다음과 같다.Hereinafter, the present invention will be described in more detail with reference to the accompanying drawings.
먼저, 도1은 이미지(Image)를 n*m의 로칼 그리드(local grid)로 나누어 이미지 데이타를 구성하는 경우의 예를 나타낸다.First, FIG. 1 shows an example of configuring image data by dividing an image into a local grid of n * m.
이미지(Image)를 n*m으로 등분한 후 각각 나누어진 그리드별로 칼라, 텍스쳐, 셰이프 정보를 나타낸다.The image is divided into n * m and the color, texture, and shape information is displayed for each divided grid.
여기서 각각의 칼라, 텍스쳐, 셰이프 정보는 한개의 그리드 즉, 로칼 영역을 대상으로 칼라 히스토그램(Color Histogram), 텍스쳐 히스토그램(Texture Histogram), 조인트 히스토그램(Joint Histogram)으로 표현할 수도 있고, 또는 로칼 영역에 대한 대표칼라, 대표 텍스쳐, 대표 칼라와 텍스쳐 정보로 표현할 수도 있다.Here, each color, texture, and shape information may be expressed as a color histogram, a texture histogram, a joint histogram, or a local area for a grid, that is, a local area. It can also be represented by a representative color, a representative texture, a representative color and texture information.
그리고, 도1의 이미지에 대해서 그 이미지 자신에 대하여 의미있는 정보로서 상기한 그리드 내의 특징소 정보들 뿐만 아니라, 그 이미지 전체에 대한 칼라, 텍스쳐, 셰이프 등의 특징소(타입별 특징소) 정보로 그 이미지를 표현할 수도 있으며, 또한 각각의 특징소에 대한 부분요소별 특징정보, 예를 들면 칼라 중에서도 i번째 칼라(부분요소)에 대한 특징정보를 더 가질 수도 있다.In addition to the feature information in the grid described above as the meaningful information about the image itself, the image of FIG. 1 includes feature (type-specific feature) information such as color, texture, and shape of the entire image. The image may be expressed and may further have feature information for each element for each feature, for example, feature information for the i-th color (partial element) among colors.
앞에서 설명한 바와같은 이미지의 특징을 나타내는 정보들을 사용자의 검색 질의의 유형에 대응하여 유사도 판단기준의 척도를 고려한 최소의 이미지 특징정보 세트를 구성함으로써 효과적인 이미지 검색이 이루어지도록 한다.Effective image retrieval is achieved by constructing a minimum set of image feature information in consideration of the measure of similarity criterion in response to the types of the user's search query with information representing the feature of the image as described above.
도2는 본 발명의 이미지 검색 시스템에서 사용자의 질의의 유형을 고려할 때 구성될 수 있는 최소의 이미지 특징소 구성방법을 나타내고 있다.2 shows a method of constructing a minimum image feature that can be configured when considering the type of query of a user in the image retrieval system of the present invention.
사용자의 피이드백에 따라 이미지 특징소의 가중치를 조정하는 이미지 검색 시스템의 이미지 데이타(Relevance Feedback Image)(201)의 포맷으로서; 이미지 전체에 대한 특징정보(202)(Global Information)와, 이미지내의 영역에 대한 특징정보(203)(Spatial Information)와, 상기 이미지 전체에 대한 특징정보나 이미지내의 영역에 대한 특징정보의 특징소 중에서 특히 고려할 요소에 대한 가중치 정보(204) (Type Weights Descriptor)를 포함한다.As a format of Relevance Feedback Image 201 of an image retrieval system for adjusting the weight of image features in accordance with a user's feedback; From among the feature information 202 (Global Information) for the whole image, the feature information 203 (Spatial Information) for the region in the image, and the feature information for the feature information for the whole image or the region in the image. In particular, it includes weight information 204 (Type Weights Descriptor) for elements to be considered.
상기 이미지 전체에 대한 특징정보(202)는 이미지 전체에 대한 특징소 정보(205)(Global Feature Descriptor)와 이미지 전체에 대한 특징정보를 구성하는 요소 중에서 특히 고려할 특징소 요소에 대한 가중치 정보(206)(Element Weights Descriptor)를 포함하고, 상기 이미지내의 영역에 대한 특징정보(203)는 이미지내의 영역별 특징소 정보(207)(Spatial Feature Descriptor)와 이미지내의 특히 고려할 영역에 대한 위치 또는 영역에 대한 가중치 정보(208)(Position Weights Descriptor)를 포함한다.The feature information 202 for the whole image includes the feature information 205 for the whole image and the weight information 206 for the feature elements to be considered, among the elements constituting the feature information for the whole image. (Element Weights Descriptor), and the feature information 203 for the region in the image includes the feature-specific information 207 (Spatial Feature Descriptor) for each region in the image and the weight for the position or region for the region to be particularly considered in the image. Information 208 (Position Weights Descriptor).
도2에 나타낸 특징소 구성에 있어서 상기 이미지 전체에 대한 특징정보(202)는 예를 들면 이미지 전체에 대한 칼라, 텍스쳐 등의 복수개의 정보세트일 수 있고, 상기 이미지내의 영역에 대한 특징정보(203) 또한 마찬가지로 영역에 대한 칼라, 텍스쳐 등의 복수개의 정보세트일 수 있다.In the feature configuration shown in Fig. 2, the feature information 202 for the whole image may be, for example, a plurality of sets of information such as color and texture for the whole image, and the feature information 203 for the region in the image. ) May likewise be a plurality of sets of information, such as a color, a texture, or the like for an area.
도3에는 이와같이 칼라와 텍스쳐를 이미지 특징정보세트로 구성한 경우를 나타내었다.Fig. 3 shows a case in which the color and the texture are constituted by the image feature information set.
사용자의 피이드백에 따라 이미지 특징소의 가중치를 조정하는 이미지 검색 시스템의 이미지 데이타(Relevance Feedback Image)(301)의 포맷으로서; 이미지 전체에 대한 칼라 특징정보(302a) 및 텍스쳐 특징정보(302b)와, 이미지내의 영역에 대한 칼라 특징정보(303a) 및 텍스쳐 특징정보(303b)와, 상기 이미지 전체에 대한 칼라, 텍스쳐 특징정보나 이미지내의 영역에 대한 칼라, 텍스쳐 특징정보의 특징소 중에서 특히 고려할 특징정보에 대한 가중치 정보(304)를 포함한다.As a format of Relevance Feedback Image 301 of an image retrieval system for adjusting the weight of image features in accordance with a user's feedback; Color feature information 302a and texture feature information 302b for the entire image, color feature information 303a and texture feature information 303b for an area within the image, and color and texture feature information for the entire image. Among the features of the color and texture feature information for the area within the image, weight information 304 for feature information to be considered in particular is included.
본 예에서는 4개의 특징정보가 사용되었으므로 4개의 가중치 요소로 구성된다.In this example, four feature informations are used, and thus four weighting elements are used.
상기 이미지 전체에 대한 칼라 특징정보(302a)는 이미지 전체에 대한 칼라 특징소 정보로서 글로벌 칼라 히스토그램 정보(305)(Global Color Histogram)와, 이미지 전체에 대한 칼라 특징정보 중에서 특히 고려할 칼라에 대한 가중치 정보(306)(Element Weights Descriptor)와, 이미지 전체에 대한 텍스쳐 특징정보(302b)는 이미지 전체에 대한 텍스쳐 특징소 정보로서 글로벌 텍스쳐 히스토그램 정보(307)(Global Texture Histogram)와, 이미지 전체에 대한 텍스쳐 특징정보 중에서 특히 고려해야할 텍스쳐에 대한 가중치 정보(308)(Element Weights Descriptor)를 포함한다.The color feature information 302a of the entire image is global color histogram information 305 (Global Color Histogram) as the color feature information of the entire image, and weight information of a color to be considered in particular among color feature information of the entire image. (306) (Element Weights Descriptor) and the texture feature information 302b for the entire image are the texture feature information for the entire image, and the global texture histogram information 307 (Global Texture Histogram) and the texture feature for the entire image. Among the information, weight information 308 (Element Weights Descriptor) for textures to consider in particular is included.
그리고, 상기 이미지내의 영역에 대한 칼라 특징정보(303a)는 칼라 이미지 그리드 정보(309)(Color Image Grid)와 이 칼라 이미지 그리드 정보 중에서 특히 고려해야할 요소에 대한 가중치 정보(310)(Position Weights Descriptor)를 포함하고, 이미지내의 영역에 대한 텍스쳐 특징정보(303b)는 텍스쳐 이미지 그리드 정보(311)와 이 텍스쳐 이미지 그리드 정보중에서 특히 고려해야할 요소에 대한 가중치 정보(312)(Position Weights Descriptor)를 포함한다.The color feature information 303a for the region in the image includes color image grid information 309 and weight information 310 for elements to be particularly considered among the color image grid information. And the texture feature information 303b for the region in the image includes texture image grid information 311 and weight information 312 (Position Weights Descriptor) for elements to be considered in particular among the texture image grid information.
상기 도3에 나타낸 바와같이 칼라와 텍스쳐를 이미지 특징정보세트로 구성한 경우, 이미지 전체에 대한 칼라 히스토그램(305)을 이미지의 특징소 정보로서 가지며, 이미지 전체에 대한 칼라 히스토그램 중에서 특히 고려해야할 칼라에 대한 가중치를 요소별 가중치(306)에 의해서 고려하게 되는 것이다.As shown in FIG. 3, when the color and the texture are composed of the image feature information set, the color histogram 305 of the entire image is used as the feature information of the image, and among the color histograms of the entire image, The weight is to be considered by the weight 306 for each element.
또한, 이미지 전체에 대한 텍스쳐 히스토그램(307)을 이미지의 특징소 정보로서 가지며, 이미지 전체에 대한 텍스쳐 히스토그램 중에서 특히 고려해야할 텍스쳐에 대한 가중치를 요소별 가중치(308)에 의해서 고려하게 되는 것이다.In addition, the texture histogram 307 for the entire image is used as feature information of the image, and the weight for the texture to be considered in particular among the texture histograms for the entire image is considered by the element weights 308.
그리고, 이미지내의 영역(즉, 도1에서 각각의 로칼셀인 그리드내의 영역)에 대한 칼라 이미지 그리드(309)를 이미지의 특징소 정보로서 가지며, 이미지내의 영역에 대한 칼라 이미지 그리드 중에서 특히 고려해야할 그리드 위치(Position)를 가중치정보(310)에 의해서 고려하게 되는 것이다.Then, the color image grid 309 for the area in the image (i.e., the area in the grid which is each local cell in Fig. 1) is provided as feature information of the image, and a grid to be particularly considered among the color image grids for the area in the image. The position is to be considered by the weight information 310.
또한, 이미지내의 영역에 대한 텍스쳐 이미지 그리드(311)를 이미지내의 영역별 특징소 정보로서 가지며, 이미지내의 영역에 대한 텍스쳐 이미지 그리드 중에서 특히 고려해야할 그리드 위치를 가중치정보(212)에 의해서 고려하게 되는 것이다.In addition, the texture image grid 311 of the region in the image has the feature information for each region in the image, and among the texture image grids for the region in the image, the grid position to be considered in particular is considered by the weight information 212. .
이상에서 설명한 바와같이 본 발명의 이미지 검색 시스템은 사용자의 모든 질의에 만족하도록 하기 위해 이미지 특징소들을 고려한 이미지 특징정보로서 이미지 전체에 대한 특징정보와, 이미지내의 영역에 대한 특징정보와, 상기 특징정보들 중에서 이미지 검색시에 고려의 정도를 달리하기 위한 가중치 정보를 포함하는 이미지 데이타 구조를 가지는 것을 특징으로 하며, 이러한 이미지의 특징소 구성방법은 다음에서 설명하는 사용자의 가능한 모든 유사도 판단기준을 반영한다.As described above, the image retrieval system of the present invention is image feature information considering image features in order to satisfy all queries of a user, feature information of the entire image, feature information of an area within the image, and the feature information. Among them, it has an image data structure including weight information for varying the degree of consideration in image retrieval, and the feature construction method of such image reflects all possible similarity judgment criteria of the user described below. .
사용자가 이미지 검색시 주로 적용되는 판단의 기준 즉, 질의 유형을 크게 나누어 도4에 나타내었다.The criteria of judgment, ie, the type of query, which are mainly applied when a user searches for an image, are divided into FIG. 4.
여기서 기본적인 특징소의 종류로는 칼라와 텍스쳐가 사용되었다.In this case, colors and textures are used as basic feature types.
질의 유형(Query Type)은 전체적으로 칼라가 어떤 이미지인가, 임의의 칼라 특성을 갖는 부분이 존재하는 이미지인가 등등 12개의 유형으로 분류하였다.Query Type is classified into 12 types such as image as a whole, image with a part having arbitrary color characteristics, and so on.
이들을 모두 만족시키기 위해서는 다음과 같은 8가지의 이미지 특징정보들이 적어도 갖추어져 있어야 한다.In order to satisfy all of them, at least eight kinds of image characteristic information must be provided.
1. 이미지 전체에 대한 칼라의 특징을 표현하는 정보로서 글로벌 칼라정보(Global Color Information)가 갖추어져 있어야 하고, 이 글로벌 칼라정보로서는 글로벌 칼라 히스토그램이 특징소가 될 수 있다.1. Global color information should be provided as information representing the color characteristics of the entire image, and the global color histogram may be a feature as the global color information.
2. 이미지 전체에 대한 텍스쳐의 특징을 표현하는 정보로서 글로벌 텍스쳐정보(Global Texture Information)가 갖추어져 있어야 하고, 이 글로벌 텍스쳐 정보로서는 글로벌 텍스쳐 히스토그램이 특징소가 될 수 있다.2. The global texture information should be provided as information representing the characteristics of the texture of the entire image. The global texture histogram may be a feature of the global texture information.
3. 이미지 전체에 대한 칼라 및(AND) 테스쳐의 특징을 표현하는 정보는 상기 1,2 정보의 조합으로 표현된다.3. Information representing the color and (AND) characteristics of the entire image is represented by a combination of the above 1,2 information.
4. 이미지내의 영역(로칼 영역)에 대한 칼라의 특징을 표현하는 정보로서 로칼 칼라정보(Local Color Information)를 갖추고 있어야 하고, 이 로칼 칼라정보로는 칼라 이미지 그리드에 표현된 대표칼라 히스토그램이 특징소가 될 수 있다.4. Local color information should be provided as information representing the color characteristics of the area (local area) in the image, and the representative color histogram represented in the color image grid is characterized by the local color information. Can be
또는 글로벌 칼라 정보에 요소 가중치를 사용하면 이러한 정보를 대신할 수도 있다.Alternatively, using element weights in the global color information may replace this information.
5. 이미지내의 영역에 대한 텍스쳐의 특징을 표현하는 정보로서 로칼 텍스쳐 정보(Local Texture Information)를 갖추고 있어야 하고, 이 로칼 텍스쳐 정보로는 텍스쳐 이미지 그리드에 표현된 대표 텍스쳐 히스토그램이 특징소가 될 수 있다.5. The local texture information should be provided as information representing the characteristics of the texture of the region in the image, and the representative texture histogram represented in the texture image grid may be characterized by the local texture information. .
또는 글로벌 텍스쳐 정보에 요소 가중치를 사용하면 이러한 정보를 대신할 수도 있다.Alternatively, element weights may be used in the global texture information to replace such information.
6. 이미지내의 영역에 대한 칼라 및(AND) 텍스쳐의 특징을 표현하는 정보로서 로칼 칼라 및 텍스쳐 정보(Local Color and Texture Information)를 갖추고 있어야 하고, 이 로칼 칼라 및 텍스쳐 정보로는 칼라 및 텍스쳐 이미지 그리드에 표현된 대표칼라 및 테스쳐 히스토그램이 특징소가 될 수 있다.6. Local color and texture information should be provided as information representing the characteristics of the color and texture of the area in the image. The local color and texture information includes the color and texture image grid. The representative color and the histogram of the expressions shown in Figure 2 may be a feature.
또는 만일 글로벌 칼라 또는 글로벌 텍스쳐와 그들의 요소 가중치로 상기 4,5를 대신하였다면 이 정보도 4,5의 조합으로 표현될 수 있다.Alternatively, if information 4, 5 is substituted with a global color or a global texture and their element weights, this information may be represented by a combination of 4, 5.
7. 이미지내의 어떤 위치의 영역에서 어떤 칼라의 특징을 표현하는 정보로서 로칼 칼라 위치정보(Local Color Position Information)를 갖추고 있어야 하고, 이 로칼 칼라 위치정보로는 칼라 이미지 그리드가 특징소가 될 수 있다.7. Local color position information must be provided as information representing a characteristic of a color in an area of a position in the image, and the color image grid can be characterized by the local color position information. .
8. 이미지내의 어떤 위치의 영역에서 어떤 텍스쳐의 특징을 표현하는 정보로서 로칼 텍스쳐 위치정보(Local Color Position Information)를 갖추고 있어야 하고, 이 로칼 텍스쳐 위치정보로는 텍스쳐 이미지 그리드가 특징소가 될 수 있다.8. The local color position information should be provided as information representing a characteristic of a texture in an area of a position in the image, and the texture image grid may be characterized by the local texture position information. .
9. 이미지내의 어떤 위치의 영역에서 어떤 칼라 및(AND) 텍스쳐의 특징을 표현하는 정보는 위 7,8의 조합으로 표현될 수 있다.9. Information expressing the characteristics of a certain color and texture in an area of a location in an image can be represented by a combination of 7,8 above.
도5의 질의 유형을 모두 만족하기 위해서는 이미지가 위와같이 4 또는 7가지 유형의 이미지 특징정보들이 갖추어져 있어야 하고, 또 7가지 유형의 이미지 정보를 위해서 7가지 종류의 특징소를 모두 가지고 있을 필요는 없다.In order to satisfy all of the query types of FIG. 5, the image must be equipped with four or seven types of image feature information as above, and it is not necessary to have all seven kinds of features for seven types of image information. .
앞에서는 위 질의 유형을 모두 만족하기 위해 4개의 특징정보를 가지는 구조를 설명했는데 여기서는 7개의 특징정보를 가지는 구조를 설명하겠다.In the above, the structure having four feature information is described to satisfy all the above query types. Here, the structure having seven feature information will be described.
예를 들어, 실제로 이미지가 가지고 있어야할 특징소로서 칼라-텍스쳐 조인트 로칼 그리드(Color-Texture Joint Local Grid)를 사용하였다면 이 정보로부터 자연스럽게 로칼 칼라, 로칼 텍스쳐, 로칼 칼라 및 텍스쳐, 로칼 위치칼라, 로칼 위치 텍스쳐, 로칼 위치 칼라 및 텍스쳐 정보도 구해질 수 있기 때문이다.For example, if you used the Color-Texture Joint Local Grid as a feature that an image should actually have, you can naturally use the local color, local texture, local color and texture, local position color, and local from this information. This is because position texture, local position color and texture information can also be obtained.
또한, 한 종류의 이미지 정보라도 두개 이상의 특징소로 구성되어질 수도 있다.In addition, even one kind of image information may be composed of two or more features.
예를 들어 도6을 보면 상기 7가지 종류의 이미지 특징정보를 실제로 4개의 특징소로 구성한 실시예를 알 수 있다.For example, referring to FIG. 6, an embodiment in which the seven types of image feature information are actually composed of four features is shown.
즉, 도6은 글로벌 칼라 히스토그램과 글로벌 텍스쳐 히스토그램, 그리고 칼라 이미지, 텍스쳐 이미지 그리드의 4개의 특징소로 앞에서 설명한 7가지 종류의 특징정보들을 나타낸 도면으로서, 이미지 특징정보의 세트(601)로서; 글로벌 정보(602)와 로칼정보(603), 로칼 위치정보(604)를 가지며, 글로벌 정보(602)는 글로벌 칼라 특징소 유닛(605)과, 글로벌 텍스쳐 특징소 유닛(607)을 포함하고, 로칼정보(603)는 로칼 칼라 특징소 유닛(609)과 로칼 텍스쳐 특징소 유닛(610), 그리고 로칼 칼라 및 텍스쳐 특징소 유닛(611)을 포함하고, 로칼 위치정보(604)는 로칼 위치 칼라 특징소 유닛(613)과 로칼 위치 텍스쳐 특징소 유닛(614)을 포함하고 있다.That is, Fig. 6 shows the seven types of feature information described above with four features of a global color histogram, a global texture histogram, and a color image and a texture image grid, as a set 601 of image feature information; Having global information 602, local information 603, and local position information 604, the global information 602 includes a global color feature unit 605, a global texture feature unit 607, and a local Information 603 includes a local color feature unit 609, a local texture feature unit 610, and a local color and texture feature unit 611, and the local position information 604 is a local position color feature Unit 613 and local position texture feature unit 614.
상기 글로벌 칼라 특징소 유닛(605)은 글로벌 칼라 히스토그램(606)으로 나타내며, 상기 글로벌 텍스쳐 특징소 유닛(607)은 글로벌 텍스쳐 히스토그램(608)으로 나타내며, 로칼 칼라 특징소 유닛(609)과 로칼 위치 칼라 특징소 유닛(613)은 칼라 이미지 그리드(612)로 나타내며, 로칼 텍스쳐 특징소 유닛(610)과 로칼 위치 텍스쳐 특징소 유닛(614)은 텍스쳐 이미지 그리드(615)로 나타낸다.The global color feature unit 605 is represented by a global color histogram 606, and the global texture feature unit 607 is represented by a global texture histogram 608, with a local color feature unit 609 and a local position color. The feature unit 613 is represented by a color image grid 612, and the local texture feature unit 610 and the local position texture feature unit 614 are represented by a texture image grid 615.
그리고 로칼 칼라 및 텍스쳐 특징소 유닛(611)은 칼라 이미지 그리드(612)와 텍스쳐 이미지 그리드(615)로 나타낸다.The local color and texture feature unit 611 is represented by a color image grid 612 and a texture image grid 615.
위와같이 앞에서 설명한 7가지 유형의 특징소들을 구성한 후 각각의 특징소 타입별, 특징소 내 요소별 가중치를 두어 그 값을 조정하면 도4에서 나열된 모든 질의를 만족시킬 수 있게 된다.After the seven types of features described above are configured, weights for each feature type and each element in the feature are adjusted to satisfy all the queries listed in FIG. 4.
그리고, 앞에서 설명한 7가지 유형별 특징소의 예를 설명하면 다음과 같다.In addition, examples of the seven types of features described above are as follows.
먼저, 칼라 히스토그램(Color Histogram)은 이미지 전체에서 특정 칼라 범위안에 존재하는 칼라의 비중이 얼마만큼 인지를 나타내는 정보이다.First, a color histogram is information indicating how much a specific gravity of a color existing within a specific color range of an entire image is.
텍스쳐 히스토그램(Texture Histogram)은 이미지 전체에서 특정 범위안에 존재하는 텍스쳐의 비중이 얼마만큼 인지를 나타내는 정보이다.The texture histogram is information that indicates how much of the texture exists within a specific range of the entire image.
칼라 이미지 그리드(Color Image Grid)는 이미지를 n*m으로 등분하여 n*m갯수 만큼의 그리드로 구성하고 각각의 그리드별로 칼라 정보를 나타내는 것을 말한다.Color Image Grid refers to an image divided into n * m and composed of n * m number of grids and displaying color information for each grid.
텍스쳐 이미지 그리드(Texture Image Grid)는 이미지를 n*m으로 등분하여 n*m갯수 만큼의 그리드로 구성하고 각각의 그리드별로 텍스쳐 정보를 나타내는 것을 의미한다.The texture image grid means that the image is divided into n * m and composed of n * m number of grids and the texture information is displayed for each grid.
칼라-텍스쳐 조인트 로칼 그리드(Color-Texture Joint Local Grid)는 이미지를 n*m등분하여 n*m갯수 만큼의 그리드로 구성하고 각각의 그리드별로 칼라 텍스쳐 정보를 나타내는 것을 말한다.The color-texture joint local grid refers to an image divided into n * m and composed of n * m number of grids, and represents color texture information for each grid.
도7은 도6에 나타난 7가지 종류의 이미지 특징정보 각각이 실제 이미지 특징정보와 해당 특징타입에 대한 가중치, 그리고 그 타입의 가중치내의 각각의 요소에 대한 가중치로 구성됨을 보이기 위해서 글로벌 칼라 정보를 예로 들어 그 구성요소를 보여준 도면으로서, 글로벌 칼라정보(701)(Global Color Information)가 글로벌 칼라 특징소(702)(Clobal Color Feature)와 가중치(703)(Weights)로 구성되고, 또 그 가중치(703)는 타입별 가중치(704)(Type Weight)와 요소별 가중치(705)(Element Weights)로 구성됨을 보인 것이다.FIG. 7 illustrates global color information as an example to show that each of the seven types of image feature information shown in FIG. 6 is composed of actual image feature information, a weight for the corresponding feature type, and a weight for each element in the weight of the type. For example, as a figure showing the components, the global color information 701 (Global Color Information) is composed of a global color feature 702 (Clobal Color Feature) and weights 703 (Weights), and the weights 703 ) Is composed of type weights 704 (Type Weight) and element weights (705) (Element Weights).
앞에서 설명한 8가지 종류의 이미지 특성의 일반화된 형태로서 다음과 같은 예를 들 수 있다.As a generalized form of the eight kinds of image characteristics described above, the following example can be given.
앞에서는 기본 이미지 특징으로 칼라와 텍스쳐를 사용하였다.Earlier, we used color and texture as the basic image features.
이와같이 2개의 기본 특징을 사용할 경우 글로벌과 로칼 위치는 기본 특징을 각각 독립적으로 사용하는 경우만 있고, 로칼의 경우는 기본 특징을 독립적으로 사용하는 경우와 조합하여 사용하는 경우로 나누어 생각할 수 있다.As such, when the two basic features are used, the global and local positions are only used when the basic features are used independently, and the local case may be divided into a case where the basic features are used in combination with the independent use.
이와같이 기본 특징을 독립적으로 사용하는 경우와 가능한 조합의 경우의 수는 기본 특징의 수가 n일 때,Thus, the number of cases where the basic features are used independently and the possible combinations is when the number of basic features is n,
가 된다. Becomes
그러므로 이들이 각각 로칼, 로칼 위치의 경우에 적용되고 글로벌의 경우 n만큼의 경우가 발생하므로 모든 필요한 이미지 특징정보 종류의 수는,Therefore, since they apply to local and local positions respectively, and n cases occur globally, the number of all required image feature types is
이 된다. Becomes
본 발명의 실시예에서는 칼라와 텍스쳐 2개의 기본 특징을 사용하였으므로 결국 모든 필요한 이미지 특징정보 종류의 수는 3+2*2=7 이 되었으나, 셰이프(Shape)를 추가하여 3개의 기본 특징을 사용한다면 모든 필요한 이미지 특징정보 종류의 수는 7+2*3=13 개 종류의 이미지 특징정보가 필요하게 된다.In the embodiment of the present invention, since two basic features of color and texture are used, the number of all kinds of necessary image feature information types is 3 + 2 * 2 = 7. However, if three basic features are added by adding a shape, The required number of image feature information types requires 7 + 2 * 3 = 13 types of image feature information.
도8에는 본 발명의 이미지 검색 시스템에 적용되는 특징소 구성방법을 나타낸 도면으로서, 사용자의 피이드백에 따라 이미지 특징소의 가중치를 조정하는 검색 시스템(Relevance Feedback System)의 이미지 데이타 구조의 실시예를 나타내고 있다.8 is a view showing a feature configuration method applied to the image retrieval system of the present invention, and shows an embodiment of an image data structure of a relevance feedback system for adjusting the weight of the image feature according to the feedback of the user. have.
도8에서 이미지(801)는 이미지 검색시에 사용자의 응답에 따라 이미지 특징소의 가중치를 조정하는 데이타 구조(802)로서;In FIG. 8, image 801 is a data structure 802 that adjusts the weight of image features in accordance with a user's response upon image retrieval;
이미지 특징정보의 세트(803)(Image Characteristic)와 가중치정보 세트 (804)를 가진다.It has a set of image characteristic information 803 (Image Characteristic) and a weighted information set 804.
상기 이미지 특징정보의 세트(803)에는 앞에서 설명한 바와같이 글로벌 정보세트(805)와 로칼정보세트(806) 그리고 로칼 위치정보세트(807)를 가지며, 가중치 정보세트(804)는 타이별 가중치(808)와 요소별 가중치(809)를 가진다.The set of image feature information 803 has a global information set 805, a local information set 806, and a local position information set 807 as described above, and the weight information set 804 is a tie-specific weight 808. ) And the element weight (809).
그리고 글로벌 정보세트(805)는 n개의 특징소 유닛(810)을 가지게 되며, 로칼정보세트(806)는 앞에서 설명한 기본특징을 독립적으로 사용하는 경우와 가능한 조합의 경우의 수만큼의 특징소 유닛(811)을 가지며, 로칼 위치 정보세트(807) 또한 기본특징의 수인 n만큼의 특징소 유닛(812)을 가진다.The global information set 805 has n feature units 810, and the local information set 806 has as many feature units as the number of feature units (in the case of using the above-described basic features independently and possible combinations). 811, and the local position information set 807 also has as many feature units 812 as n, the number of basic features.
도9은 도8의 구성을 칼라 및 텍스쳐를 기본 특징으로 사용한 경우의 실시예이다.FIG. 9 is an embodiment in which the configuration of FIG. 8 is used as the basic features of color and texture.
도9에서 이미지(901)는 이미지 검색시에 사용자의 응답에 따라 이미지 특징소의 가중치를 조정하는 데이타 구조(902)로서;In FIG. 9, image 901 is a data structure 902 that adjusts the weight of image features in accordance with a user's response upon image retrieval;
이미지 특징정보의 세트(903)(Image Characteristic)와 가중치정보 세트 (904)를 가진다.A set of image characteristic information 903 (Image Characteristic) and a weight information set 904.
상기 이미지 특징정보의 세트(903)에는 앞에서 설명한 바와같이 글로벌 정보세트(905)와 로칼정보세트(906) 그리고 로칼 위치정보세트(907)를 가지며, 가중치 정보세트(904)는 타입별 가중치(908)와 요소별 가중치(909)를 가진다.The set of image feature information 903 has a global information set 905, a local information set 906, and a local location information set 907 as described above, and the weight information set 904 has a weight for each type 908. ) And element weights 909.
그리고 글로벌 정보세트(905)는 2개의 특징소 유닛으로서 글로벌 칼라 특징소 유닛(910)과 글로벌 텍스쳐 특징소 유닛(911)을 가지게 되며, 로칼정보 세트(906)는 앞에서 설명한 기본특징을 독립적으로 사용하는 경우와 가능한 조합의 경우의 수인 3만큼의 특징소 유닛으로 로칼 칼라 특징소 유닛(912), 로칼 텍스쳐 특징소 유닛(913), 로칼 칼라 및 텍스쳐 특징소 유닛(914)을 가지며, 로칼 위치 정보세트(907) 또한 기본 특징의 수인 2만큼의 특징소 유닛으로 로칼 위치 칼라 특징소 유닛(915)과 로칼 위치 텍스쳐 특징소 유닛(916)을 가진다.The global information set 905 has two feature units, and has a global color feature unit 910 and a global texture feature unit 911, and the local information set 906 independently uses the basic features described above. And a local color feature unit 912, a local texture feature unit 913, a local color and a texture feature unit 914, which are as many as three feature units, which is the number of cases and possible combinations. The set 907 also has a local position color feature unit 915 and a local position texture feature unit 916 with as many feature units as the number of basic features.
이상에서 설명한 바와같이 구성된 정보를 이용해서 이미지를 검색하는 방법은 다음과 같다.A method of searching for an image using the information configured as described above is as follows.
먼저, 사용자의 판단 기준을 반영한 질의 내용을 바로 묘사하는 방법으로서, 예를 들면 '상부가 파랗고 하부가 빨간 이미지' 등 찾고자 하는 이미지의 특징을 바로 묘사하여 검색하는 것이다.First, as a method of directly describing a query content reflecting a user's judgment standard, for example, a feature of an image to be searched such as an image of 'blue at the top and a red at the bottom' is immediately described.
이러한 직접 묘사 방식을 사용할 수 있는 사용자 인터페이스로는 이미지 백판 위에 사용자가 직접 참조 이미지를 팔레트를 이용해서 각 영역의 칼라를 명시함으로써 구성하여 질의하는 방식을 들 수 있다.A user interface that can use this direct description method includes a method in which a user directly constructs and queries a reference image by specifying a color of each area using a palette on an image white board.
다른 방법은 참조 이미지를 사용하는 방법으로서, 참조 이미지를 제시하면 검색 대상중에서 참조 이미지와 가장 유사도가 높은 이미지를 찾는 것이다.Another method is to use a reference image. When a reference image is presented, an image with the highest similarity to the reference image is searched for.
여기서 사용자의 판단기준을 적용하려면 각 특징소 타입별,요소별 가중치를 조정해야만 한다.In order to apply the user's criterion, the weight of each feature type and element must be adjusted.
가중치 조정방법은 사용자가 직접 조정하는 방법과 자동으로 조정하는 방법, 그리고 'Relevance Feeback'방법이 있다.There are two ways to adjust the weight: the user adjusts it automatically, the automatic adjustment method, and the 'Relevance Feeback' method.
본 발명은 이미지 검색시에 가능한 사용자의 모든 질의 의도를 만족시킬 수 있는 이미지 특징소 구성방법을 제시하고 있다.The present invention proposes a method for constructing an image feature capable of satisfying all query intentions of a user possible when searching for an image.
그러므로, 사용자의 모든 질의 의도를 만족하는 이미지 특징소를 이용해서 어떠한 이미지라도 사용자의 질의 의도를 파악하여 효과적인 검색을 할 수 있다.Therefore, any image can be effectively searched by grasping the user's query intention by using image features satisfying all the user's query intentions.
Claims (13)
Priority Applications (12)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1019990003182A KR100319154B1 (en) | 1999-02-01 | 1999-02-01 | Method of image composition and method of image search system |
US09/495,250 US7016916B1 (en) | 1999-02-01 | 2000-01-31 | Method of searching multimedia data |
AU24639/00A AU2463900A (en) | 1999-02-01 | 2000-02-01 | Method of searching multimedia data |
CN2005100547495A CN1661601B (en) | 1999-02-01 | 2000-02-01 | Method of searching multimedia data |
CNB00800126XA CN1201267C (en) | 1999-02-01 | 2000-02-01 | Method of searching multimedia data |
JP2000596530A JP3564068B2 (en) | 1999-02-01 | 2000-02-01 | Search method of multimedia data |
EP05077645A EP1635270A3 (en) | 1999-02-01 | 2000-02-01 | Method of searching multimedia data |
PCT/KR2000/000079 WO2000045342A1 (en) | 1999-02-01 | 2000-02-01 | Method of searching multimedia data |
EP00902998A EP1066596A1 (en) | 1999-02-01 | 2000-02-01 | Method of searching multimedia data |
US11/179,511 US20050262067A1 (en) | 1999-02-01 | 2005-07-13 | Method of searching multimedia data |
US12/821,502 US20100318522A1 (en) | 1999-02-01 | 2010-06-23 | Method of searching multimedia data |
US12/821,524 US20100318523A1 (en) | 1999-02-01 | 2010-06-23 | Method of searching multimedia data |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1019990003182A KR100319154B1 (en) | 1999-02-01 | 1999-02-01 | Method of image composition and method of image search system |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20000054860A true KR20000054860A (en) | 2000-09-05 |
KR100319154B1 KR100319154B1 (en) | 2001-12-29 |
Family
ID=19572922
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1019990003182A KR100319154B1 (en) | 1999-02-01 | 1999-02-01 | Method of image composition and method of image search system |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR100319154B1 (en) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100343555B1 (en) * | 1999-11-01 | 2002-07-19 | 이윤주 | Color data system based on images and method for providing information of colors by using computer system |
KR100369370B1 (en) * | 1999-10-11 | 2003-01-24 | 한국전자통신연구원 | Block-based Image Histogram Generation Method |
WO2008106471A1 (en) * | 2007-02-26 | 2008-09-04 | Microsoft Corporation | Generating a multi-use vocabulary based on image data |
KR100895534B1 (en) * | 2007-06-04 | 2009-04-30 | 인하대학교 산학협력단 | A region based image retrieval method using region weights |
US7739276B2 (en) | 2006-07-04 | 2010-06-15 | Samsung Electronics Co., Ltd. | Method, system, and medium for retrieving photo using multimodal information |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102018046B1 (en) | 2014-02-24 | 2019-09-04 | 한국전자통신연구원 | Method and apparatus for extracting image feature |
KR101792811B1 (en) * | 2015-12-29 | 2017-11-01 | 재단법인대구경북과학기술원 | System and method for feature detection |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5579471A (en) * | 1992-11-09 | 1996-11-26 | International Business Machines Corporation | Image query system and method |
JPH10289245A (en) * | 1997-04-15 | 1998-10-27 | Canon Inc | Image processor and its control method |
-
1999
- 1999-02-01 KR KR1019990003182A patent/KR100319154B1/en not_active IP Right Cessation
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100369370B1 (en) * | 1999-10-11 | 2003-01-24 | 한국전자통신연구원 | Block-based Image Histogram Generation Method |
KR100343555B1 (en) * | 1999-11-01 | 2002-07-19 | 이윤주 | Color data system based on images and method for providing information of colors by using computer system |
US7739276B2 (en) | 2006-07-04 | 2010-06-15 | Samsung Electronics Co., Ltd. | Method, system, and medium for retrieving photo using multimodal information |
WO2008106471A1 (en) * | 2007-02-26 | 2008-09-04 | Microsoft Corporation | Generating a multi-use vocabulary based on image data |
US8396331B2 (en) | 2007-02-26 | 2013-03-12 | Microsoft Corporation | Generating a multi-use vocabulary based on image data |
KR100895534B1 (en) * | 2007-06-04 | 2009-04-30 | 인하대학교 산학협력단 | A region based image retrieval method using region weights |
Also Published As
Publication number | Publication date |
---|---|
KR100319154B1 (en) | 2001-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3564068B2 (en) | Search method of multimedia data | |
Williams | The distribution of bumblebee colour patterns worldwide: possible significance for thermoregulation, crypsis, and warning mimicry | |
JP4340367B2 (en) | Image classification apparatus and computer-readable recording medium storing a program for causing a computer to function as the apparatus | |
US20080162469A1 (en) | Content register device, content register method and content register program | |
CN102073748B (en) | Visual keyword based remote sensing image semantic searching method | |
US5832494A (en) | Method and apparatus for indexing, searching and displaying data | |
US20170249338A1 (en) | Reduction of search ambiguity with multiple media references | |
He et al. | Image color transfer to evoke different emotions based on color combinations | |
JP3205836B2 (en) | Color quantization method using color coordinate space structure, color coordinates and color spraying | |
JP5181955B2 (en) | Image classification device and image processing device | |
WO2003038680A3 (en) | Method and system for accessing a collection of images in a database | |
KR100319154B1 (en) | Method of image composition and method of image search system | |
JP4674257B2 (en) | Image classification apparatus and computer-readable recording medium storing a program for causing a computer to function as the apparatus | |
Theoharatos et al. | A generic scheme for color image retrieval based on the multivariate Wald-Wolfowitz test | |
JP7092046B2 (en) | Information processing equipment, information processing methods and programs | |
Lauberts et al. | The data of the surface photometry catalogue of the ESO-Uppsala galaxies are now available. | |
Weller et al. | recolorize: An R package for flexible colour segmentation of biological images | |
CA2859606A1 (en) | Pattern-enabled data entry and search | |
KR20110085951A (en) | Semantic based image retrieval method | |
JP2858576B2 (en) | Image processing method | |
Ricker | Pixels, bits, and GUIs: The fundamentals of digital imagery and their application by plant pathologists | |
Logan et al. | Influence of landscape structure on endemic cicadas in New Zealand kiwifruit orchards | |
Muthireddy et al. | Computer vision for capturing flora | |
White et al. | Package ‘pavo’ | |
RU2001107845A (en) | METHODS AND MEANS FOR ESTABLISHING LINKS BETWEEN DATA FILES |
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: 20121128 Year of fee payment: 12 |
|
FPAY | Annual fee payment |
Payment date: 20131122 Year of fee payment: 13 |
|
FPAY | Annual fee payment |
Payment date: 20141124 Year of fee payment: 14 |
|
FPAY | Annual fee payment |
Payment date: 20151124 Year of fee payment: 15 |
|
LAPS | Lapse due to unpaid annual fee |