KR20010012020A - 주파수 공간상에서의 질감표현방법 및 질감기반 검색방법 - Google Patents

주파수 공간상에서의 질감표현방법 및 질감기반 검색방법 Download PDF

Info

Publication number
KR20010012020A
KR20010012020A KR1019990041574A KR19990041574A KR20010012020A KR 20010012020 A KR20010012020 A KR 20010012020A KR 1019990041574 A KR1019990041574 A KR 1019990041574A KR 19990041574 A KR19990041574 A KR 19990041574A KR 20010012020 A KR20010012020 A KR 20010012020A
Authority
KR
South Korea
Prior art keywords
texture
image
sub
frequency
descriptors
Prior art date
Application number
KR1019990041574A
Other languages
English (en)
Other versions
KR100308456B1 (ko
Inventor
김문철
김진웅
노용만
유기원
Original Assignee
정선종
한국전자통신연구원
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 정선종, 한국전자통신연구원 filed Critical 정선종
Priority to KR1019990041574A priority Critical patent/KR100308456B1/ko
Priority to GB0325991A priority patent/GB2392073B/en
Priority to GB0319202A priority patent/GB2388761B/en
Priority to GB0016488A priority patent/GB2355378B/en
Priority to FR0008909A priority patent/FR2798748B1/fr
Priority to PCT/KR2000/000734 priority patent/WO2001004842A1/en
Priority to JP2000206877A priority patent/JP4733813B2/ja
Priority to EP00942495A priority patent/EP1183651A4/en
Priority to CA002367966A priority patent/CA2367966C/en
Priority to AU57107/00A priority patent/AU5710700A/en
Priority to US09/611,588 priority patent/US6803919B1/en
Priority to DE10033462A priority patent/DE10033462B4/de
Publication of KR20010012020A publication Critical patent/KR20010012020A/ko
Priority to HK04103565A priority patent/HK1061084A1/xx
Priority to HK01107215A priority patent/HK1036660A1/xx
Priority to HK04103564A priority patent/HK1061083A1/xx
Application granted granted Critical
Publication of KR100308456B1 publication Critical patent/KR100308456B1/ko
Priority to FR0413942A priority patent/FR2861876B1/fr
Priority to FR0413943A priority patent/FR2861877B1/fr

Links

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
    • 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
    • G06T7/42—Analysis of texture based on statistical description of texture using transform domain methods
    • 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
    • G06F16/5862—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 texture
    • 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
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/431—Frequency domain transformation; Autocorrelation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G06V10/7515—Shifting the patterns to accommodate for positional errors

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Library & Information Science (AREA)
  • Multimedia (AREA)
  • Medical Informatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Image Analysis (AREA)
  • Processing Or Creating Images (AREA)
  • Complex Calculations (AREA)
  • Editing Of Facsimile Originals (AREA)
  • Image Processing (AREA)

Abstract

본 발명은 영상신호를 주파수 극(極)좌표계(Polar coordinate system) 공간으로 변환하여 질감 특징을 추출하는 주파수 공간상에서의 질감표현방법 및 이를 이용한 질감기반 검색방법에 관한 것이다.
이러한 주파수 공간상에서의 질감표현방법은, 영상의 질감정보를 표현하는 방법에 있어서, 적어도 한 개 이상의 질감 특징에 대해 각각의 특징값을 추출하기 위하여 주파수공간을 적어도 두 개 이상의 주파수영역으로 분할하여 주파수 공간분할 레이아웃을 만드는 제 1 단계와, 상기 분할된 각 주파수영역에서 상기 영상의 질감 특징값들을 추출하는 제 2 단계, 및 상기 각 주파수 공간분할 레이아웃의 각 주파수영역에서 추출된 특징값들을 이용하여 영상의 질감기술자를 특징벡터의 형태로 표현하는 제 3 단계를 포함한다.
본 발명에 따르면 이러한 주파수 공간상에서의 표현된 질감기반 검색에 있어서, 질감영상의 밝기 불변성, 회전 불변성, 축소/확대 불변성의 검색조건을 각각 또는 모두 만족할 수 있는 검색방법이 제공된다. 또한, 검색시 빠른 브라우징 기능을 제공하기 위해 질감에 대한 개략적 구조를 계산하여 검색하는 방법이 제공된다.

Description

주파수 공간상에서의 질감표현방법 및 질감기반 검색방법 { Texture description method and texture retrieval method in frequency space }
본 발명은 영상의 질감을 표현하는 방법에 관한 것으로서, 보다 상세하게 말하면 영상신호를 주파수 극(極)좌표계(Polar coordinate system) 공간으로 변환하여 질감 특징을 추출하는 주파수 공간상에서의 질감표현방법에 관한 것이다. 또한, 본 발명은 상기한 질감표현방법으로 색인된 영상들에 대한 질감기반 검색방법에 관한 것이기도 하다.
영상에서 질감정보는 그 영상의 특징을 나타내는 중요한 시각적 특징 중의 하나로서, 컬러정보와 함께 오랫동안 연구되어 왔다. 이러한 영상의 질감정보는 영상 또는 비디오데이터를 내용기반 색인(indexing) 및 요약화(abstraction)하는 데 있어서, 주요한 하위레벨 기술자(descriptor)로 이용된다. 또한, 이 영상의 질감정보는 전자앨범에서 특정사진을 검색하거나, 타일 또는 직물 데이터베이스에서의 내용기반 검색에 중요하게 이용되는 정보이다.
현재까지는 영상의 질감특징을 추출하기 위하여 시간영역이나 주파수영역에서 특징값을 계산하였다. 특히 주파수영역에서 영상의 질감특징을 추출하는 방법은 다양한 형태의 영상들의 질감특징 표현에 적합한 것으로 알려져 왔다. 이 주파수영역에서 질감특징 추출하는 방법은 사용하는 좌표계에 따라 직교좌표계방식과 극좌표계방식으로 나누어진다.
기존에는 직교좌표계 주파수영역에서의 질감특징 추출방법이 주로 이용되고 있었는 바, 이에 관한 논문이 다음과 같이 발표되었다.
저자가 비.에스. 만쥬나쓰(B.S. Manjunath)와 더블유.와이. 마(W.Y. Ma)이고, 논문제목이 "텍스쳐 퓨쳐스 포어 브라이징 앤드 리트리벌 오브 이메이지 데이터(Texture features for browsing and retrieval of image data)"이며, 게재지가 "아이이이이 트랜스액션 온 패턴 어널리시스 앤드 머신 인텔리젼스(IEEE Transaction on Pattern Analysis and Machine Intelligence)" 제18권 제8호이고, 1996년 8월에 발표된 논문에서는, 직교좌표계 주파수 공간을 HVS(Human Visual System)에 의거하여 분할하고, 각 채널을 가보(Gabor) 필터링한 후 각 채널에서의 평균과 분산을 영상 질감의 특징값으로 추출하여 특징벡터를 계산하는 방법이 발표되었다.
그러나, 이러한 직교좌표계 주파수공간에서의 영상질감 표현방법은 인간의 시각 인지시스템에 적합하지 않으며 영상질감 검색율이 낮은 단점을 가진다.
이러한 종래의 직교좌표계 주파수공간에서의 영상질감 표현방법의 문제점을 해결하기 위한 방법으로서, 극좌표계 주파수공간에서의 영상질감 표현방법에 대한 논문이 발표되었다.
1999년 2월에, 죠지 엠 핸리(Geoge M. Haley)와 비.에스. 만쥬나스(B.S. Manjunath)가 논문지 IEEE Transaction on image processing 제8권 제2호에 발표한 "로테이션-인벨리언트 텍스쳐 클래시피케이션 유싱 어 컴플리트 스페이스 프리컨시 모델(Rotation-invariant texture classification using a complete space frequency model)" 논문에는, 극좌표 주파수공간을 HVS에 의거하여 분할한 후 각 채널에 맞게 디자인된 가보필터를 이용하여 9개의 특징값을 추출하고, 모든 채널에 대해 추출된 특징값들을 이용하여 질감을 표현하는 방식이 발표되었다.
그러나, 이 방식은 각 채널에 따라 가보필터를 디자인하여 사용하기 때문에 사용에 불편함이 많고, 모든 특징값들을 동일한 극좌표계 주파수 레이아웃을 이용하기 때문에 특징값에 대한 정확도와 검색율이 떨어지는 문제점이 있었다.
따라서, 본 발명은 상기와 같은 종래기술의 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은 인간의 시각인지시스템에 적합한 주파수공간상에서 영상의 질감 특징을 계산하여 색인하는 주파수 공간상에서의 질감표현방법을 제공하는 데 있다.
또한, 본 발명의 다른 목적은, 주파수 공간상에서의 질감표현방법에 의해 생성된 데이터 질감기술자와 질의 질감기술자를 회전시키거나 확대/축소시키면서 비교하거나, 밝기를 고려하지 않고 비교함으로써, 회전되거나 확대/축소되거나 밝기가 다른 유사영상을 검색해내는 주파수 공간상에서의 질감기반 검색방법을 제공하는 데 있다.
도 1은 본 발명의 한 실시예에 따른 주파수 공간상에서의 질감표현방법을 도시한 흐름도,
도 2는 일반적인 센트랄 슬라이스(Central Slice) 이론을 설명하기 위하여 도시한 도면,
도 3은 라돈 변환을 이용한 주파수영역에서의 주파수 샘플링구조를 도시한 도면,
도 4는 본 발명에서 각 채널별 에너지 평균을 추출하기 위해 사용하는 주파수 공간분할 레이아웃을 도시한 도면,
도 5는 본 발명에서 각 채널별 에너지 분산을 추출하기 위해 사용하는 주파수 공간분할 레이아웃을 도시한 도면이다.
상기한 목적을 달성하기 위한 본 발명에 따르면 주파수 공간상에서의 질감표현방법이 제공된다. 이러한 질감표현방법은, 적어도 한 개 이상의 질감 특징에 대해 각각의 특징값을 추출하기 위하여 주파수공간을 적어도 두 개 이상의 주파수영역으로 분할하여 주파수 공간분할 레이아웃을 만드는 제 1 단계와, 상기 분할된 각 주파수영역에서 상기 영상의 질감 특징값들을 추출하는 제 2 단계, 및 상기 각 주파수 공간분할 레이아웃의 각 주파수영역에서 추출된 특징값들을 이용하여 영상의 질감기술자를 특징벡터의 형태로 표현하는 제 3 단계를 포함한 것을 특징으로 한다.
양호하게는, 상기 제 1 단계에서, 상기 주파수 공간분할 레이아웃은 인간시각인지시스템(HVS)에 의거하여 만들며, 상기 제 1 단계의 주파수공간은 직교좌표계 주파수공간 또는 극좌표계 주파수공간이다.
보다 양호하게는, 상기 제 1 단계는, 상기 주파수 공간분할 레이아웃의 각 채널에 대해 중요도 또는 우선순위를 부여하는 서브단계를 포함한다.
양호하게는, 상기 제 2 단계는, 영상을 라돈 변환하는 제 1 서브단계와, 상기 라돈 변환된 영상을 푸리에 변환하는 제 2 서브단계, 및 상기 분할된 각 주파수영역에서 상기 푸리에 변환된 영상에 대해 각 주파수채널로부터 특징값들을 추출하는 제 3 서브단계를 포함한다.
보다 양호하게는, 상기 제 3 서브단계는, 각 주파수 영역에서의 에너지값과 에너지의 분산값 중 적어도 하나의 값을 특징값으로 추출하는 단계이다.
여기서, 상기 에너지 평균값을 구하기 위한 주파수 레이아웃과 에너지 분산값을 구하기 위한 주파수 레이아웃이 별도로 생성되는 것이 보다 양호하며, 상기 에너지 평균값을 구하기 위한 주파수 레이아웃은, 주파수공간을 방사방향으로 2l (0 ≤ l 〈 log2(N/2)-1), 옥타브 간격으로 원점으로부터 멀어지는 방향으로 분할하고, 각도방향으로 '180/분할해상도' 간격으로 분할한다. 상기 에너지 분산값을 구하기 위한 주파수 레이아웃은, 주파수공간을 방사방향으로 균등한 간격으로 분할하고, 각도방향으로 '180/분할해상도' 간격으로 분할한다.
양호하게는, 상기 제 3 단계는, 주영상의 질감정보를 이용하여 영상의 회전방향 기준축을 찾고, 상기 회전방향 기준축을 기준으로 상기 주파수 공간분할 레이아웃을 회전시킨 후 영상의 질감기술자를 추출한다. 여기서, 상기 회전방향 기준축은, 영상을 라돈변환하여 에너지 또는 엔트로피 또는 주기적 성분이 가장 많이 분포되어 있는 방사방향의 축으로 설정된다.
양호하게는, 상기 제 3 단계는, 영상을 푸리에 변환하여 방사방향 기준점을 찾고, 그 기준점을 기준으로 푸리에 변환을 정규화시킨 후, 정규화된 푸리에 변환 결과치를 이용하여 질감기술자를 표현한다. 여기서, 상기 방사방향 기준점은, 주파수 공간에서 원점으로부터 동일한 거리에 있는 푸리에 변환 영상의 에너지 또는 엔트로피 또는 주기적 성분이 가장 많이 분포되어 있는 원호를 찾고, 상기 찾아진 원호의 반경을 기준점으로 설정한다.
양호하게는, 본 발명에 따른 주파수 공간상에서의 질감표현방법은, 영상의 밝기 정보를 추출하여 상기 영상의 질감기술자에 포함시키는 제 4 단계는 더 포함한다.
또한, 본 발명에 따르면 상술한 주파수 공간상에서의 질감표현방법을 실현하기 위한 프로그램을 기록한 기록매체가 제공된다.
또한, 본 발명에 따르면 주파수 공간상에서의 질감기반 검색방법이 제공된다. 이러한 질감기반 검색방법은, 데이터베이스에 저장할 영상들의 질감 특징벡터인 질감기술자를 추출하여 저장하는 제 1 단계와, 질의 영상이 입력되면 상기 질의 영상의 질감 특징벡터인 질감기술자를 추출하는 제 2 단계, 상기 데이터 질감기술자를 상기 질의 질감기술자와 정합하여 두 질감기술자들 사이의 거리를 측정하는 제 3 단계, 및 상기 두 질감기술자 사이의 거리에 따라 두 영상의 유사도를 판정하는 제 4 단계를 포함하고, 상기 제 1 단계 내지 제 2 단계의 질감기술자 추출단계는, 적어도 한 개 이상의 질감 특징에 대해 각각의 특징값을 추출하기 위하여 주파수공간을 적어도 두 개 이상의 주파수영역으로 분할하여 주파수 공간분할 레이아웃을 만드는 제 1 서브단계와, 상기 분할된 각 주파수영역에서 상기 영상의 질감 특징값들을 추출하는 제 2 서브단계, 및 상기 각 주파수 공간분할 레이아웃의 각 주파수영역에서 추출된 특징값들을 이용하여 영상의 질감기술자를 특징벡터의 형태로 표현하는 제 3 서브단계를 포함한 것을 특징으로 한다.
양호하게는, 영상의 회전 불변성을 고려한 질감기반 검색에서 상기 제 3 단계는, 임의의 한 데이터 질감기술자를 일정 각도 내에서 회전시키면서 상기 질의 질감기술자와 정합하여 각 각도에서 두 질감기술자 사이의 거리를 측정하는 제 1 서브단계와, 상기 각 각도에서의 두 질감기술자 사이의 거리들 중 가장 최소의 거리를 두 질감기술자 사이의 거리로 판정하는 제 2 서브단계를 포함한다.
양호하게는, 영상의 축소/확대 불변성을 고려한 질감기반 검색에서 상기 제 3 단계는, 질의 영상으로부터 한 개 이상의 확대 영상 또는 축소 영상을 만들고 각 크기에서의 질의 질감기술자를 추출하는 제 1 서브단계와, 상기 각 크기에서의 질의 질감기술자와 데이터 질감기술자와의 거리를 각각 측정하는 제 2 서브단계, 및 상기 제 2 서브단계의 거리 측정 결과 두 질감기술자 사이의 거리들 중 가장 최소의 거리를 두 질감기술자 사이의 거리를 판정하는 제 3 서브단계를 포함한다.
양호하게는, 상기 질의 질감기술자와 데이터 질감기술자는 영상의 회전방향 기준축과 방사방향 기준점과 밝기 정보를 포함한다.
보다 양호하게는, 영상의 회전 불변성을 고려한 질감기반 검색에서 상기 제 3 단계는, 상기 질의 영상의 회전방향 기준축과 데이터 영상의 회전방향 기준축이 일치하도록 두 질감기술자를 정렬한 후, 상기 두 질감기술자들 사이의 거리를 측정하는 단계이다. 여기서, 상기 회전방향 기준축은, 영상을 라돈변환하여 에너지 또는 엔트로피 또는 주기적 성분이 가장 많이 분포되어 있는 방사방향의 축으로 설정된다.
보다 양호하게는, 영상의 밝기 불변성을 고려한 질감기반 검색에서 상기 제 3 단계는, 상기 질의 질감기술자와 데이터 질감기술자에서 밝기 정보를 제외하고 두 질감기술자들 사이의 거리를 측정하는 단계이다.
보다 양호하게는, 영상의 축소/확대 불변성을 고려한 질감기반 검색에서 제 3 단계는, 질의 영상과 데이터 영상의 방사방향 기준점을 기준으로 하여, 데이터 질감기술자를 방사방향의 채널에서 인접채널끼리 병합하거나, 인접채널로 질감기술자의 특징값들을 이동시키는 제 1 서브단계와, 축소/확대로 인하여 원점에서 늘려졌거나/축소된 자기채널을 찾은 후 두 질감기술자들 사이의 거리를 측정하는 제 2 서브단계를 포함한다. 여기서, 상기 방사방향 기준점은, 주파수 공간에서 원점으로부터 동일한 거리에 있는 푸리에 변환 영상의 에너지 또는 엔트로피 또는 주기적 성분이 가장 많이 분포되어 있는 원호를 찾고, 상기 찾아진 원호의 반경을 기준점으로 설정한다.
보다 양호하게는, 영상의 축소/확대 불변성 및 회전 불변성을 동시에 고려한 질감기반 검색에서 상기 제 3 단계는, 질의 영상과 데이터 영상의 방사방향 기준점을 기준으로 하여, 데이터 질감기술자를 방사방향의 채널에서 인접채널끼리 병합하거나, 인접채널로 질감기술자의 특징값들을 이동시켜서 변경된 자기채널을 찾는 제 1 서브단계와, 변경된 자기채널의 특징값을 일정 각도 내에서 회전시키면서 상기 질의 질감기술자와 정합하여 회전각도에 따른 두 질감기술자 사이의 거리를 측정하는 제 2 서브단계와, 상기 회전각도에 따른 두 질감기술자 사이의 거리들 중 가장 최소의 거리를 두 질감기술자 사이의 거리로 판정하는 제 3 서브단계를 포함한다.
보다 양호하게는, 영상의 축소/확대 불변성 및 회전 불변성을 동시에 고려한 질감기반 검색에서 상기 제 3 단계는, 질의 영상과 데이터 영상의 방사방향 기준점을 기준으로 하여, 데이터 질감기술자를 방사방향의 채널에서 인접채널끼리 병합하거나, 인접채널로 질감기술자의 특징값들을 이동시켜서 변경된 자기채널을 찾는 제 1 서브단계와, 상기 질의 영상의 회전방향 기준축과 데이터 영상의 회전방향 기준축이 일치하도록 두 질감기술자를 정렬한 후, 상기 두 질감기술자들 사이의 거리를 측정하는 제 2 서브단계를 포함한다.
양호하게는, 상기 질감기술자 추출단계의 제 1 서브단계는, 인간시각인지시스템을 고려하여 하나 이상의 주파수 공간분할 레이아웃을 만드는 제 1 서브서브단계와, 상기 주파수 공간분할 레이아웃의 각 채널에 대해 중요도 또는 우선순위를 부여하는 제 2 서브서브단계를 포함한다.
양호하게는, 상기 질감기술자 추출단계의 제 2 서브단계는, 입력된 영상을 라돈변환하는 제 1 서브서브단계와, 상기 라돈변환된 영상을 푸리에 변환하는 제 2 서브서브단계, 및 상기 분할된 각 주파수영역에서 상기 푸리에 변환된 영상으로부터 특징값들을 추출하는 제 3 서브서브단계를 포함한다. 여기서, 상기 제 3 서브서브단계는, 각 주파수 영역에서의 에너지의 평균값과 분산값 중 적어도 하나의 값을 특징값으로 추출하는 단계이다.
또한, 본 발명에 따르면 상술한 주파수 공간상에서의 질감기반 검색방법을 실현하기 위한 프로그램을 기록한 기록매체가 제공된다.
또한, 본 발명에 따른 질감기반 검색방법은, 데이터베이스에 저장할 영상들의 질감 특징값과 영상의 회전정보를 포함하는 질감기술자를 추출하여 저장하는 제 1 단계와, 질의 영상이 입력되면 상기 질의 영상의 질감 특징값과 영상의 회전정보를 포함하는 질감기술자를 추출하는 제 2 단계, 상기 데이터 질감기술자의 회전정보와 질의 질감기술자의 회전정보를 이용하여 두 질감기술자들의 회전각도를 상호 일치시키는 제 3 단계, 상기 두 질감기술자들의 회전각도를 일치시킨 상태에서 두 영상의 질감기술자들을 정합하여 두 질감기술자 사이의 거리를 측정하는 제 4 단계, 및 상기 두 질감기술자 사이의 거리에 따라 두 영상의 유사도를 판정하는 제 5 단계를 포함하고, 상기 제 1 단계 및 제 2 단계의 질감기술자 추출단계는, 적어도 한 개 이상의 질감 특징에 대해 각각의 특징값을 추출하기 위하여 주파수공간을 적어도 두 개 이상의 주파수영역으로 분할하여 주파수 공간분할 레이아웃을 만드는 제 1 서브단계와, 상기 분할된 각 주파수영역에서 상기 영상의 질감 특징값들을 추출하는 제 2 서브단계, 및 상기 각 주파수 공간분할 레이아웃의 각 주파수영역에서 추출된 특징값들을 이용하여 영상의 질감기술자를 특징벡터의 형태로 표현하는 제 3 서브단계를 포함한 것을 특징으로 한다.
양호하게는, 제 1 단계와 제 2 단계의 영상 회전정보 추출단계는, 입력된 영상을 푸리에 변환하여 에너지가 많이 분포되어 있는 방향을 찾는 제 1 서브단계와, 상기 에너지가 많이 분포된 방향을 기준축으로 하여 주파수 공간분할 레이아웃을 생성하는 제 2 서브단계, 및 상기 제 2 서브단계에서 생성된 주파수 공간분할 레이아웃의 회전정보를 상기 영상질감자에 포함시키는 제 3 서브단계를 포함한다.
보다 양호하게는, 상기 질감기술자 추출단계의 제 1 서브단계는, 인간시각인지시스템을 고려하여 하나 이상의 주파수 공간분할 레이아웃을 만드는 제 1 서브서브단계와, 상기 주파수 공간분할 레이아웃의 각 채널에 대해 중요도 또는 우선순위를 부여하는 제 2 서브서브단계를 포함한다.
보다 양호하게는, 상기 질감기술자 추출단계의 제 2 서브단계는, 입력된 영상을 라돈변환하는 제 1 서브서브단계와, 상기 라돈변환된 영상을 푸리에 변환하는 제 2 서브서브단계, 및 상기 분할된 각 주파수영역에서 상기 푸리에 변환된 영상으로부터 특징값들을 추출하는 제 3 서브서브단계를 포함한다. 여기서, 상기 제 3 서브서브단계는, 각 주파수 영역에서의 에너지의 평균값과 분산값 중 적어도 하나의 값을 특징값으로 추출하는 단계이다.
또한, 본 발명에 따르면 상술한 주파수 공간상에서의 질감기반 검색방법을 실현하기 위한 프로그램을 기록한 기록매체가 제공된다.
이하, 첨부된 도면을 참조하면서 본 발명의 한 실시예에 따른 '주파수 공간상에서의 질감표현방법 및 질감기반 검색방법'을 보다 상세하게 설명하면 다음과 같다.
도 1은 본 발명에 따른 라돈 변환을 이용한 주파수 공간상에서의 질감표현방법의 처리 흐름도를 나타낸다.
이러한 질감표현방법은 영상을 질감정보 기반 색인할 때와 질감정보 기반 검색할 때 모두 사용되는 바, 입력된 영상을 처리하여 질감기술자를 만든다. 데이터베이스에 저장할 영상들이 입력되면 데이터 질감기술자들을 생성하고, 생성된 질감기술자들을 데이터베이스에 저장한다. 또한, 질의 영상이 입력되면 질의 질감기술자를 생성하여 데이터베이스에 저장된 데이터 질감기술자들과 비교함으로써 검색이 이루어진다.
도 1을 참조하면서 본 발명에 따른 질감표현방법을 상세하게 설명하면 다음과 같다.
먼저, 임의의 영상이 입력되면(S11), 단계 S12에서 입력된 영상을 라돈 변환한다. 여기서, 라돈 변환(Radon Transform)이란, 2차원 영상 또는 다차원 멀티미디어 데이터를 각도에 따라 선적분해 가면서 1차원 투영데이터를 얻어내는 일련의 과정을 말한다. 즉, 물체는 보는 각도에 따라서 달리 보여지며, 한 물체를 모든 각도에서 바라보면 그 물체의 윤곽을 짐작할 수 있는데, 라돈 변환은 이러한 원리를 이용한 것이다.
이러한 2차원 영상에 대한 라돈 변환식은 수학식 1과 같이 표현된다.
여기서, f(x,y)는 직교좌표계에서의 영상함수이며, pθ(R)는 직교좌표계에서 원점을 통과하면서 양의 x축과 이루는 각이 θ인 광선축을 따라 선적분하여 얻은 1차 투영함수, 즉 1차 라돈변환함수이다.
δ(x) 함수는 x값이 0일 때 1이 되는 함수이다. 2차원 영상은 직교좌표계에서 '-∞〈x,y〈∞'의 영역을 가지고, 라돈좌표계에서 '0〈s〈∞, 0〈θ〈π'의 영역을 가진다. 즉,일 때이 된다.
이와 같이 θ를 0도에서 180도까지 회전하여 얻은 1차 라돈변환함수(pθ(R))의 집합을 시노그램(Signogram)이라고 하는데, 다음 단계 S13에서 시노그램을 푸리에 변환한다. 이 시노그램을 푸리에 변환하면 직교좌표계에서의 영상함수(f(x,y))를 푸리에 변환한 푸리에 함수와 수학식 2와 같은 관계식이 성립한다.
여기서, Gθ(λ)는 pθ(R)의 푸리에 변환된 함수이다. 그리고, λ는이며, θ는이다.
도 2은 센트랄 슬라이스(Central Slice) 이론으로서, 시노그램과 시노그램의 1차원 푸리에 변환과의 관계를 도시한 도면이다. 시노그램의 푸리에 변환은 2차원 원영상의 푸리에 변환함수를 각 θ축을 따라 절단하여 얻어지는 1차원 함수값이다.
즉, 영상함수를 라돈 변환한 후 푸리에 변환하면 도 1의 (b)에 도시된 바와 같이 극좌표 주파수공간으로 이동하며, 극좌표 주파수공간에서의 주파수 샘플링은 도 2와 같이 나타난다.
도 3은 극좌표 주파수공간에서의 주파수 샘플링구조를 도시한 도면이다. 라돈 변환을 이용한 푸리에 변환은 영상신호를 극좌표 주파수영역으로 변환한다. 이때의 주파수 샘플링은 저주파와 중저주파 영역에서는 조밀하고, 고주파 영역으로 갈수록 샘플링밀도가 낮아지는 형태로 표현된다.
이와 같은 샘플링 구조는 일반적인 영상 질감이 중저주파 영역에 정보가 모여있는 특성과 매우 잘 합치되며 이러한 주파수 샘플링구조에서 추출된 특징이 영상의 질감특성을 잘 나타내게 된다.
다음, 단계 S14에서는 도 3과 같은 주파수 샘플링구조를 갖는 극좌표 주파수영역에서 영상의 질감특징을 추출한다. 이때, 단계 S15에서 생성된 극좌표계 주파수 영역분할 레이아웃이 사용된다. 분할된 각 주파수 영역을 특징채널이라고 한다.
상기한 극좌표계 주파수 영역분할 레이아웃은 주파수영역을 인간 시각인지시스템(HVS:Human Visual System)에 의거하여 분할한다. 즉, HVS는 저주파 성분에 민감하고 고주파 성분에 둔감한 특성을 보이는데, 이러한 특징을 이용하여 주파수 레이아웃을 결정한다. 이에 관한 자세한 사항은 후술하기로 한다.
본 발명에서는 영상의 질감특징으로서, 각 분할된 주파수영역 즉, 각 채널에서의 푸리에 변환계수의 에너지 평균값과 에너지 분산값을 이용한다. 이를 위하여 에너지 평균을 추출하기 위한 극좌표계 주파수 레이아웃과, 에너지 분산을 추출하기 위한 극좌표계 주파수 레이아웃을 별도로 생성한다.
도 4는 인간시각인지시스템에 의거하여 에너지 평균을 추출하기 위한 극좌표 주파수 공간분할 레이아웃을 도시한 도면이다.
도 4에 보이듯이 극좌표 주파수공간은 방사방향과 각도방향으로 분할되는데, 방사방향은 2l, (0 ≤ l 〈 log2(N/2)-1) 옥타브 간격으로 원점에서 멀어지는 방향으로 분할하고, 각도방향은 θ를 180/P (여기서, P는 θ의 분할 해상도임.)로 분할한다. 이와 같이 분할하면 에너지 평균을 추출하기 위한 극좌표 주파수 레이아웃은, 저주파영역은 주파수공간이 조밀하게 분할되며 고주파영역은 듬성하게 분할된다. 각 분할된 주파수 영역이 특징채널(41)이며, 빗금쳐진 부분이 5번 채널이다.
여기서, 본 발명의 주요한 특징을 알 수 있는데, 본 발명에서는 라돈 변환에 의해 저주파영역에서의 샘플링은 조밀하게 하고 고주파영역에서의 샘플링은 듬성하게 하며, 이를 HVS에 의거하여 분할할 때 저주파영역은 조밀하게 나누고 고주파영역은 크게 나눈다. 즉, 분할된 각 주파수영역별로 즉, 각 채널별로 추출된 특징값들이 질감특징을 잘 반영하게 된다.
도 5는 인간시각인지시스템에 의거하여 에너지 분산을 추출하기 위한 극좌표 주파수 공간분할 레이아웃을 도시한 도면이다.
이 에너지 분산을 추출하기 위한 극좌표 주파수 레이아웃은 에너지 평균을 추출하기 위한 극좌표 주파수 레이아웃과는 달리 방사방향을 균등하게 분할한다. 그러나, 각도방향은 도 4의 주파수 레이아웃과 같이 θ를 180/P (여기서, P는 θ의 분할 해상도임.)로 분할한다. 분할된 각 주파수영역이 특징채널(51)이며, 35번째 채널이 빗금쳐져 있다.
이와 같이 본 발명에서는 각각의 주파수 공간분할 레이아웃을 추출한 특징값에 따라 디자인한다. 이는 각 특징에 대해 높은 검색율을 제공하기 위해 최적의 주파수 공간분할 레이아웃을 허용할 수 있도록 유연성을 부여하게 된다.
각 채널별로 에너지 평균값과 에너지 분산값이 구해지면, 단계 S16에서 이 특징값들로부터 영상의 질감을 표현하는 영상의 질감기술자 즉, 특징벡터를 계산한다.
이 질감기술자는 수학식 3과 같이 표현될 수 있다.
여기서, ei는 도 4의 주파수 레이아웃에서 i번째 채널에서의 에너지 평균값이며, dj는 도 5의 주파수 레이아웃에서 j번째 채널에서의 에너지 분산값이다. 여기서, 특히 e0는 DC채널의 에너지를 나타낸다. P는 극좌표 주파수공간에서 각도방향으로 분할된 영역의 개수이고, Q는 방사방향으로 분할된 영역의 개수이다.
상기의 수학식 3에서 각 특징값들은 그 채널의 우선순위에 따라 먼저 표현될 수 있으며 채널의 중요도에 따라 중요도가 낮은 채널의 특징값은 제외시킴으로써 데이터 용량을 감소시킬 수도 있다.
상기한 특징벡터를 이루는 에너지 평균값(ei)과 에너지 분산값(dj)은 수학식 5와 수학식 7에 의해 구해지며, 이를 위하여 수학식 4에서는 푸리에 변환된 1차 라돈변환함수(Gθ(λ))를 이용하여 pi값을 구하고, 수학식 6에서는 푸리에 변환된 1차 라돈변환함수와 수학식 4에서 구한 pi값을 이용하여 qj값을 구한다.
상기와 같이 각 채널에서의 에너지 평균값과 에너지 분산값으로 이루어진 질감기술자가 구해진다.
입력되는 모든 영상들에 대해 상기 S11 내지 단계 S16을 반복 수행하여 각 데이터 질감기술자들을 데이터베이스에 저장한다.
이렇게 데이터베이스에 저장된 데이터 질감기술자들은, 질의 영상으로부터 구해진 질의 질감기술자와 정합하여 질의 영상과 유사한 영상을 검색하는 데 사용된다.
이러한 극좌표 주파수 공간상에서의 질감기반 검색방법을 상세하게 설명하면 다음과 같다.
질의 영상과 유사한 데이터 영상을 검색하기 위하여, 본 발명에서는 3가지를 고려한다. 첫째, 밝기 불변성을 고려한다. 즉, 영상의 밝기를 고려하지 않고 질감이 유사한 영상을 검색할 경우와, 영상의 밝기를 고려하여 질감과 밝기가 유사한 영상을 검색할 경우를 구분한다. 둘째, 회전 불변성을 고려한다. 즉, 영상의 회전을 고려한 검색과 고려하지 않은 검색을 구분한다. 셋째, 크기 불변성을 고려한다. 즉, 원 영상을 줌-인(zoom in)/줌-아웃(zoom out)하여 영상이 확대/축소되더라도 검색될 수 있도록 한다.
먼저, 영상의 밝기 변화에 대해 불변성을 갖는 검색을 수행하는 방법을 살펴보기로 한다. 영상의 밝기는 질감기술자 TD 벡터의 DC 채널 e0값으로 표현된다. 즉, 영상이 밝으면 e0값이 크고, 어두우면 e0값이 작다. 따라서, 영상의 밝기 변화에 대한 불변성을 갖는 검색을 수행하고자 할 경우에는 데이터 질감기술자들의 TD 벡터에서 e0값을 제외한 후 질의 질감기술자와 정합한다. 그러나, 영상의 밝기 변화를 함께 고려한 검색을 하고자 할 경우에는, 데이터 질감기술자 TD 벡터에서 e0값을 제외하지 않고 질의 질감기술자와 정합한다.
다음, 영상의 회전 불변성을 갖는 검색방법의 제 1 실시예를 살펴보기로 한다. 동일한 영상에 대해 영상이 회전되어 있으면, 종래의 질감기반 검색방법에서는 동일한 영상으로 검색해내지 못하였다. 그러나, 본 발명에서는 영상의 회전에 대한 불변성을 갖는 영상의 정합을 수행함으로써, 또한 회전성을 고려하지 않고 검색할 수도 있다. 우선 영상의 회전에 대한 불변성을 갖는 검색방법은 다음과 같다. 임의의 영상을 회전하여 푸리에 변환한 결과치는, 그 영상을 푸리에 변환한 후 주파수 영역에서 회전한 결과치와 동일하다.
데이터베이스에 데이터 질감기술자(TD)들이 저장되어 있는 상태에서, 질의 영상을 도 1의 질감표현방법으로 처리하여 질의 질감기술자(TDquery)가 주어지면, 임의의 데이터 질감기술자(TDm)와 질의 질감기술자(TDquery)와의 유사도를 계산하여 정합정도를 측정한다.
이 유사도는 수학식 8에 의해 구해지는 Dm에 반비례한 값이다.
이와 같이, 데이터 질감기술자와 질의 질감기술자 사이의 거리(distance)는 각 채널별로 그 평균값과 분산값을 비교함으로써 얻어진다. 앞서 설명하였듯이 회전한 영상을 푸리에 변환한 것은 회전하기 전 영상의 푸리에 변환을 주파수 영역에서 회전한 결과와 동일하다. 두 영상을 비교할 때 주파수영역에서 회전하면서 비교하면 유사한 두 영상을 찾아낼 수 있다.
따라서 본 발명에서는 질감기술자를 비교하여 두 질감기술자 사이의 거리를 구할 때 이러한 회전가능성을 미리 고려하여 정합을 수행한다. 이로써 회전되어있는 유사영상을 모두 검색할 수 있다. 이러한 정합은 수학식 9와 같이 표현된다.
여기서, φ는 180/P이고, k는 1과 P 사이의 정수이다. 즉, 수학식 9는 데이터 질감기술자를 주파수영역에서 임의의 각도(φ)만큼씩 회전시키면서 회전된 데이터 질감기술자와 질의 질감기술자 사이의 거리를 구하는 식이다.
상기 수학식 9에서 구해진 각 회전각도에서의 거리들을 수학식 10에 적용하여 최소거리를 찾는다.
이와 같이 데이터 질감기술자를 미소 회전각도만큼씩 회전시키면서 질의 질감기술자와 비교하여, 두 질감기술자 사이의 최소 거리를 두 질감기술자 사이의 거리로 선택함으로써 영상이 회전하더라도 유사한 영상을 검색할 수 있다. 이렇게 함으로써 검색이 영상의 회전에 대해 불변적 특성을 가진다. 이와 반대로 영상의 회전에 불변성을 갖지 않고 검색할 경우에는 수학식 8에 의해 유사도를 검색한다.
이와 같은 회전 불변성을 고려하면서 질감기반 검색할 경우, 앞서 설명한 바와 같이 영상의 밝기를 고려할 때에는 질감기술자 TD 벡터에 e0값을 포함시키고, 밝기를 고려하지 않을 때에는 질감기술자 TD 벡터에서 e0값을 제외시킨 다음, 회전 불변성을 고려한 질감기반 검색을 수행한다.
이제, 영상의 회전 불변성을 갖는 검색방법의 제 2 실시예를 살펴보기로 한다. 앞서 설명하였듯이 회전한 영상의 푸리에 변환은 회전하기 전 영상의 푸리에 변환을 주파수영역에서 회전한 결과와 동일하다. 그래서 질감기술자를 정합할 때 이러한 회전가능성을 고려하여 정합을 수행하면 동일한 질감 영상이면서 회전된 영상들을 모두 검색해 낼 수 있다. 이를 위하여 회전 불변성을 갖는 검색방법의 제 1 실시예에서는 데이터 질감기술자를 미소의 각도만큼씩 회전하면서 질의 질감기술자와 정합하는 방법을 제시하고 있다.
반면에, 본 발명의 제 2 실시예에서는, 질감기술자에 회전정보를 추가하는 방법을 제시한다. 즉, 영상을 라돈 변환하면 가장 주기적이거나 에너지가 많이 분포되어 있는 기준각도 방향이 찾아진다. 이 방향을 기준축으로 하여 극좌표 주파수 공간분할 레이아웃(변형된 레이아웃)을 생성한 후, 도 1의 질감표현방법에 따라 질감기술자를 계산한다. 이때 이 변형된 레이아웃은 도 4 내지 도 5의 극좌표 주파수 레이아웃에 비해 회전된 상태이며, 변형된 레이아웃의 기준축과 원래의 극좌표 주파수 레이아웃의 기준축을 회전정보를 질감기술자에 추가한다.
이와 같이 회전정보를 포함한 데이터 질감기술자들이 저장된 데이터베이스와 함께 회전정보를 포함한 질의 질감기술자가 주어지면서 검색이 요구되면, 데이터 질감기술자의 회전정보와 질의 질감기술자의 회전정보를 이용하여 두 질감기술자들의 회전각도를 일치시킨다.
즉, 두 영상에 있어서 기준각도 방향을 일치시키는데, 이 상태에서 두 영상의 질감기술자를 비교하여 두 영상 사이의 거리를 구한다. 이러한 제 2 실시예는, 제 1 실시예에서와는 달리 데이터 질감기술자를 회전하면서 질의 질감기술자와 비교하여 두 질감기술자 사이의 거리를 구하는 과정 없이도 두 영상의 유사도를 구할 수 있는 잇점이 있으나, 회전정보를 구하여 질감기술자에 포함시키는 과정이 질감표현단계에서 추가되기 때문에 질감기술자를 계산하는 과정이 좀 더 복잡해진다.
여기서는 영상의 라돈 변환을 이용하여 가장 주기적이거나 에너지가 많이 분포하는 방향을 기준방향으로 회전정보를 표현하였으나, 영상의 질감정보를 이용하여 회전방향의 기준축을 찾고, 주파수 공간분할 레이아웃을 그 기준축에 맞추어 질감을 표현하는 방법, 또는 기준축을 이용하지 않고 주파수 공간분할 레이아웃을 사용하는 질감표현방법을 포함하며, 본 발명은 이에 국한되지 않는다.
본 발명의 한 실시예에 따른 질감기반 검색방법에서 세 번째 고려해야할 사항은 앞서 설명하였듯이 영상의 확대/축소 불변성이다. 이를 상세하게 설명하면 다음과 같다.
카메라의 줌(zoom)을 변화시키면서 영상을 획득할 때, 그 획득된 영상은 카메라의 줌 배율에 따라 확대 또는 축소된다. 이러한 효과를 영상신호의 주파수 도메인에서 해석하면, 원영상보다 확대된 영상의 주파수 스펙트럼 분포는 원래의 스펙트럼보다 주파수 영역의 원점을 향하여 응집되어 있다. 또한, 원영상보다 축소된 영상의 주파수 스펙트럼 분포는 원래의 스펙트럼보다 주파수 영역의 원점으로부터 늘려져 있다.
영상을 라돈 변환하면 투영데이터의 에너지를 기준으로 스케일 기준이 찾아진다. 이러한 영상에 대해 축소/확대 불변성을 갖는 질감기반 검색을 할 경우, 스케일 기준에서 방사방향의 채널에서 인접 채널끼리 한 채널씩 중복되게 특징값을 더하거나, 축소/확대로 인하여 원점에서 늘려졌거나/축소된 자기채널을 찾아 수학식 11과 같이 유사도를 계산한다. 이렇게 더한 채널을 병합채널 또는 일치채널이라 부르고, 통합하여 변경채널(modified channel)이라 부른다.
영상의 질감정보를 이용하여 방사방향의 기준점을 찾고 그 기준점을 기준으로 푸리에 변환을 정규화시킨 후, 정규화된 푸리에 변환에 대해 특징값을 추출하여 질감기술자를 구성할 경우, 수학식 8을 이용하여 유사도 검색을 수행할 수 있다.
여기서, 방사방향 기준점은, 주파수 공간에서 원점으로부터 동일한 거리에 있는 푸리에 변환 영상의 에너지 또는 엔트로피 또는 주기적 성분이 가장 많이 분포되어 있는 원호를 찾고, 상기 찾아진 원호의 반경을 기준점으로 설정한다.
축소/확대에 대해 불변성을 갖는 검색방법의 다른 실시예는 다음과 같다. 하나의 주어진 질의 영상을 한 개 이상의 확대 영상 또는 한 개 이상의 축소 영상으로 만든 후, 각각의 확대/축소된 질의영상으로 질감기술자를 표현한다. 그 다음, 각각의 확대/축소된 질의영상에 대해 질감기술자를 추출하고 데이터 질감기술자와의 거리를 수학식 8에 의해 측정한다. 각각의 확대/축소된 질의영상의 질감기술자에 대해 데이터 질감기술자와의 거리들 중 가장 최소가 되는 거리를 원래의 질의영상의 질감기술자와 데이터 질감기술자 사이의 거리로 판정한다.
확대/축소에 대한 불변성을 갖지 않는 검색을 행할 경우에도 수학식 8에 의해 유사도를 계산한다.
회전과 축소/확대에 대해 동시에 불변성을 갖는 검색을 행할 경우에는, 먼저 확대/축소 불변적 검색에서 인접 채널을 병합, 변경한 후 변경된 채널의 특징값을 회전 불변적 검색하는 바, 일단 수학식 11을 이용하고 수학식 9와 수학식 10을 이용하여 유사도 검색을 수행한다.
수학식 3에 표현된 질감기술자 TD 벡터는 질감구조에 대한 정보가 그 질감기술자의 특징값들의 배열패턴으로부터 유추될 수 있다. 이는 개략적으로 질감의 특정 구조를 찾아내어 브라우징하는 기능을 지원할 수 있다. 그러한 간단한 브라우징을 지원하기 위해 본 발명에서는 도 4에 도시된 바와 같은 에너지 채널로부터 추출된 특징값을 이용하여 질감의 간단한 구조 정보를 계산한다. 질감 구조를 계산하는 방법은 30개의 에너지 채널의 특징값들에 대한 엔트로피(entropy)를 구하거나, 에너지 채널 레이아웃에서 두 개의 최대 에너지간의 각 간격(angular difference)을 계산하거나, 레디얼 간격(radial difference)을 계산한다.
위에서 양호한 실시예에 근거하여 이 발명을 설명하였지만, 이러한 실시예는 이 발명을 제한하려는 것이 아니라 예시하려는 것이다. 이 발명이 속하는 분야의 숙련자에게는 이 발명의 기술사상을 벗어남이 없이 위 실시예에 대한 다양한 변화나 변경 또는 조절이 가능함이 자명할 것이다. 그러므로, 이 발명의 보호범위는 첨부된 청구범위에 의해서만 한정될 것이며, 위와 같은 변화예나 변경예 또는 조절예를 모두 포함하는 것으로 해석되어야 할 것이다.
이상과 같이 본 발명에 의하면, 라돈변환에 의한 극좌표계에서의 주파수 공간 분할 방법과, 각 특징값을 추출하는 데 적합한 극좌표계 주파수 공간분할 레이아웃, 각 주파수영역에서의 특징값 추출방법, 각 주파수 채널에 중요도 및 우선 순위 부여, 회전 불변성과 축소/확대 불변성과 밝기 불변성을 지원하는 질감색인방법, 회전불변성을 지원하는 질감기술자 정합방법 등의 기술을 이용함으로써, 영상의 질감을 보다 정확하게 표현할 수 있을 뿐만 아니라 효율적인 색인 및 검색이 가능해진다.
이러한 질감표현방법에 의해 추출된 영상의 질감기술자는, 방대한 크기의 항공사진 및 군사용 레이더 영상 등에서 특별한 특징을 갖는 영상을 찾고자 할 때 유용한 검색 단서로 이용될 수 있다.

Claims (36)

  1. 영상의 질감정보를 표현하는 방법에 있어서,
    적어도 한 개 이상의 질감 특징에 대해 각각의 특징값을 추출하기 위하여 주파수공간을 적어도 두 개 이상의 주파수영역으로 분할하여 주파수 공간분할 레이아웃을 만드는 제 1 단계와,
    상기 분할된 각 주파수영역에서 상기 영상의 질감 특징값들을 추출하는 제 2 단계, 및
    상기 각 주파수 공간분할 레이아웃의 각 주파수영역에서 추출된 특징값들을 이용하여 영상의 질감기술자를 특징벡터의 형태로 표현하는 제 3 단계를 포함한 것을 특징으로 하는 주파수 공간상에서의 질감표현방법.
  2. 제 1 항에 있어서, 상기 제 1 단계에서, 상기 주파수 공간분할 레이아웃은 인간시각인지시스템(HVS)에 의거하여 만드는 것을 특징으로 하는 주파수 공간상에서의 질감표현방법.
  3. 제 1 항 또는 제 2 항에 있어서, 상기 제 1 단계의 주파수공간은 직교좌표계 주파수공간 또는 극좌표계 주파수공간인 것을 특징으로 하는 주파수 공간상에서의 질감표현방법.
  4. 제 2 항에 있어서, 상기 제 1 단계는, 상기 주파수 공간분할 레이아웃의 각 채널에 대해 중요도 또는 우선순위를 부여하는 서브단계를 포함한 것을 특징으로 하는 주파수 공간상에서의 질감표현방법.
  5. 제 1 항 또는 제 2 항에 있어서, 상기 제 2 단계는, 영상을 라돈 변환하는 제 1 서브단계와,
    상기 라돈 변환된 영상을 푸리에 변환하는 제 2 서브단계, 및
    상기 분할된 각 주파수영역에서 상기 푸리에 변환된 영상에 대해 각 주파수채널로부터 특징값들을 추출하는 제 3 서브단계를 포함한 것을 특징으로 하는 주파수 공간상에서의 질감표현방법.
  6. 제 5 항에 있어서, 상기 제 3 서브단계는,
    각 주파수 영역에서의 에너지값과 에너지의 분산값 중 적어도 하나의 값을 특징값으로 추출하는 단계인 것을 특징으로 하는 주파수공간상에서의 질감표현방법.
  7. 제 6 항에 있어서, 주파수 공간분할 레이아웃은, 상기 에너지 평균값을 구하기 위한 주파수 레이아웃과 에너지 분산값을 구하기 위한 주파수 레이아웃이 별도로 생성되는 것을 특징으로 하는 주파수 공간상에서의 질감표현방법.
  8. 제 7 항에 있어서, 상기 에너지 평균값을 구하기 위한 주파수 레이아웃은, 주파수공간을 방사방향으로 2l (0 ≤ l 〈 log2(N/2)-1), 옥타브 간격으로 원점으로부터 멀어지는 방향으로 분할하고, 각도방향으로 '180/분할해상도' 간격으로 분할하는 것을 특징으로 하는 주파수 공간상에서의 질감표현방법.
  9. 제 7 항 또는 제 8 항에 있어서, 상기 에너지 분산값을 구하기 위한 주파수 레이아웃은, 주파수공간을 방사방향으로 균등한 간격으로 분할하고, 각도방향으로 '180/분할해상도' 간격으로 분할하는 것을 특징으로 하는 주파수 공간상에서의 질감표현방법.
  10. 제 1 항에 있어서, 상기 제 3 단계는, 영상의 질감정보를 이용하여 영상의 회전방향 기준축을 찾고, 상기 회전방향 기준축을 기준으로 상기 주파수 공간분할 레이아웃을 회전시킨 후 영상의 질감기술자를 추출하는 것을 특징으로 하는 주파수 공간상에서의 질감표현방법.
  11. 제 10 항에 있어서, 상기 회전방향 기준축은, 영상을 라돈변환하여 에너지 또는 엔트로피 또는 주기적 성분이 가장 많이 분포되어 있는 방사방향의 축으로 설정되는 것을 특징으로 하는 주파수 공간상에서의 질감표현방법.
  12. 제 1 항에 있어서, 상기 제 3 단계는, 영상을 푸리에 변환하여 방사방향 기준점을 찾고, 그 기준점을 기준으로 푸리에 변환을 정규화시킨 후, 정규화된 푸리에 변환 결과치를 이용하여 질감기술자를 표현하는 것을 특징으로 하는 주파수 공간상에서의 질감표현방법.
  13. 제 12 항에 있어서, 상기 방사방향 기준점은, 주파수 공간에서 원점으로부터 동일한 거리에 있는 푸리에 변환 영상의 에너지 또는 엔트로피 또는 주기적 성분이 가장 많이 분포되어 있는 원호를 찾고, 상기 찾아진 원호의 반경을 기준점으로 설정하는 것을 특징으로 하는 주파수 공간상에서의 질감표현방법.
  14. 제 1 항에 있어서, 영상의 밝기 정보를 추출하여 상기 영상의 질감기술자에 포함시키는 제 4 단계를 더 포함한 것을 특징으로 하는 주파수 공간상에서의 질감표현방법.
  15. 컴퓨터에,
    적어도 한 개 이상의 질감 특징에 대해 각각의 특징값을 추출하기 위하여 주파수공간을 적어도 두 개 이상의 주파수영역으로 분할하여 주파수 공간분할 레이아웃을 만드는 제 1 단계와,
    상기 분할된 각 주파수영역에서 영상을 라돈 변환하고, 라돈 변환된 영상을 푸리에 변환하고, 분할된 각 주파수영역에서 상기 푸리에 변환된 영상에 대해 각 주파수채널로부터 특징값들을 추출하여, 상기 영상의 질감 특징값들을 추출하는 제 2 단계, 및
    상기 각 주파수 공간분할 레이아웃의 각 주파수영역에서 추출된 특징값들을 이용하여 영상의 질감기술자를 특징벡터의 형태로 표현하는 제 3 단계를 실행시켜서 영상의 질감정보를 표현하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
  16. 질의 영상과 유사한 데이터 영상을 질감기반 검색하는 방법에 있어서,
    데이터베이스에 저장할 영상들의 질감 특징벡터인 질감기술자를 추출하여 저장하는 제 1 단계와,
    질의 영상이 입력되면 상기 질의 영상의 질감 특징벡터인 질감기술자를 추출하는 제 2 단계,
    상기 데이터 질감기술자를 상기 질의 질감기술자와 정합하여 두 질감기술자들 사이의 거리를 측정하는 제 3 단계, 및
    상기 두 질감기술자 사이의 거리에 따라 두 영상의 유사도를 판정하는 제 4 단계를 포함하고,
    상기 제 1 단계 및 제 2 단계의 질감기술자 추출단계는, 적어도 한 개 이상의 질감 특징에 대해 각각의 특징값을 추출하기 위하여 주파수공간을 적어도 두 개 이상의 주파수영역으로 분할하여 주파수 공간분할 레이아웃을 만드는 제 1 서브단계와, 상기 분할된 각 주파수영역에서 상기 영상의 질감 특징값들을 추출하는 제 2 서브단계, 및 상기 각 주파수 공간분할 레이아웃의 각 주파수영역에서 추출된 특징값들을 이용하여 영상의 질감기술자를 특징벡터의 형태로 표현하는 제 3 서브단계를 포함한 것을 특징으로 하는 주파수 공간상에서의 질감기반 검색방법.
  17. 제 16 항에 있어서, 영상의 회전 불변성을 고려하면 상기 제 3 단계는,
    임의의 한 데이터 질감기술자를 일정 각도 내에서 회전시키면서 상기 질의 질감기술자와 정합하여 각 각도에서 두 질감기술자 사이의 거리를 측정하는 제 1 서브단계와,
    상기 각 각도에서의 두 질감기술자 사이의 거리들 중 가장 최소의 거리를 두 질감기술자 사이의 거리로 판정하는 제 2 서브단계를 포함한 것을 특징으로 하는 주파수 공간상에서의 질감기반 검색방법.
  18. 제 16 항에 있어서, 영상의 축소/확대 불변성을 고려하면 상기 제 3 단계는,
    질의 영상으로부터 한 개 이상의 확대 영상 또는 축소 영상을 만들고 각 크기에서의 질의 질감기술자를 추출하는 제 1 서브단계와,
    상기 각 크기에서의 질의 질감기술자와 데이터 질감기술자와의 거리를 각각 측정하는 제 2 서브단계, 및
    상기 제 2 서브단계의 거리 측정 결과, 두 질감기술자 사이의 거리들 중 가장 최소의 거리를 두 질감기술자 사이의 거리를 판정하는 제 3 서브단계를 포함한 것을 특징으로 하는 주파수 공간상에서의 질감기반 검색방법.
  19. 제 16 항에 있어서, 상기 질의 질감기술자와 데이터 질감기술자는 영상의 회전방향 기준축과 방사방향 기준점과 밝기 정보를 포함한 것을 특징으로 하는 주파수 공간상에서의 질감기반 검색방법.
  20. 제 19 항에 있어서, 영상의 회전 불변성을 고려하면 상기 제 3 단계는,
    상기 질의 영상의 회전방향 기준축과 데이터 영상의 회전방향 기준축이 일치하도록 두 질감기술자를 정렬한 후, 상기 두 질감기술자들 사이의 거리를 측정하는 단계인 것을 특징으로 하는 주파수 공간상에서의 질감기반 검색방법.
  21. 제 20 항에 있어서, 상기 회전방향 기준축은, 영상을 라돈변환하여 에너지 또는 엔트로피 또는 주기적 성분이 가장 많이 분포되어 있는 방사방향의 축으로 설정되는 것을 특징으로 하는 주파수 공간상에서의 질감기반 검색방법.
  22. 제 19 항에 있어서, 영상의 밝기 불변성을 고려하면 상기 제 3 단계는,
    상기 질의 질감기술자와 데이터 질감기술자에서 밝기 정보를 제외하고 두 질감기술자들 사이의 거리를 측정하는 단계인 것을 특징으로 하는 주파수 공간상에서의 질감기반 검색방법.
  23. 제 19 항에 있어서, 영상의 축소/확대 불변성을 고려하면 제 3 단계는,
    질의 영상과 데이터 영상의 방사방향 기준점을 기준으로 하여, 데이터 질감기술자를 방사방향의 채널에서 인접채널끼리 병합하거나, 인접채널로 질감기술자의 특징값들을 이동시키는 제 1 서브단계와,
    축소/확대로 인하여 원점에서 늘려졌거나/축소된 자기채널을 찾은 후 두 질감기술자들 사이의 거리를 측정하는 제 2 서브단계를 포함한 것을 특징으로 하는 주파수 공간상에서의 질감기반 검색방법.
  24. 제 23 항에 있어서, 상기 방사방향 기준점은, 주파수 공간에서 원점으로부터 동일한 거리에 있는 푸리에 변환 영상의 에너지 또는 엔트로피 또는 주기적 성분이 가장 많이 분포되어 있는 원호를 찾고, 상기 찾아진 원호의 반경을 기준점으로 설정하는 것을 특징으로 하는 주파수 공간상에서의 질감기반 검색방법.
  25. 제 19 항에 있어서, 영상의 축소/확대 불변성 및 회전 불변성을 동시에 고려하면 상기 제 3 단계는,
    질의 영상과 데이터 영상의 방사방향 기준점을 기준으로 하여, 데이터 질감기술자를 방사방향의 채널에서 인접채널끼리 병합하거나, 인접채널로 질감기술자의 특징값들을 이동시켜서 변경된 자기채널을 찾는 제 1 서브단계와,
    변경된 자기채널의 특징값을 일정 각도 내에서 회전시키면서 상기 질의 질감기술자와 정합하여 회전각도에 따른 두 질감기술자 사이의 거리를 측정하는 제 2 서브단계와,
    상기 회전각도에 따른 두 질감기술자 사이의 거리들 중 가장 최소의 거리를 두 질감기술자 사이의 거리로 판정하는 제 3 서브단계를 포함한 것을 특징으로 하는 주파수 공간상에서의 질감기반 검색방법.
  26. 제 19 항에 있어서, 영상의 축소/확대 불변성 및 회전 불변성을 동시에 고려하면 상기 제 3 단계는,
    질의 영상과 데이터 영상의 방사방향 기준점을 기준으로 하여, 데이터 질감기술자를 방사방향의 채널에서 인접채널끼리 병합하거나, 인접채널로 질감기술자의 특징값들을 이동시켜서 변경된 자기채널을 찾는 제 1 서브단계와,
    상기 질의 영상의 회전방향 기준축과 데이터 영상의 회전방향 기준축이 일치하도록 두 질감기술자를 정렬한 후, 상기 두 질감기술자들 사이의 거리를 측정하는 제 2 서브단계를 포함하는 것을 특징으로 하는 주파수 공간상에서의 질감기반 검색방법.
  27. 제 16 항에 있어서, 상기 질감기술자 추출단계의 제 1 서브단계는,
    인간시각인지시스템을 고려하여 하나 이상의 주파수 공간분할 레이아웃을 만드는 제 1 서브서브단계와,
    상기 주파수 공간분할 레이아웃의 각 채널에 대해 중요도 또는 우선순위를 부여하는 제 2 서브서브단계를 포함한 것을 특징으로 하는 주파수 공간상에서의 질감기반 검색방법.
  28. 제 16 항 또는 제 27 항에 있어서, 상기 질감기술자 추출단계의 제 2 서브단계는,
    입력된 영상을 라돈변환하는 제 1 서브서브단계와,
    상기 라돈변환된 영상을 푸리에 변환하는 제 2 서브서브단계,
    상기 분할된 각 주파수영역에서 상기 푸리에 변환된 영상으로부터 특징값들을 추출하는 제 3 서브서브단계를 포함한 것을 특징으로 하는 주파수 공간상에서의 질감기반 검색방법.
  29. 제 28 항에 있어서, 상기 제 3 서브서브단계는,
    각 주파수 영역에서의 에너지의 평균값과 분산값 중 적어도 하나의 값을 특징값으로 추출하는 단계인 것을 특징으로 하는 주파수공간상에서의 질감기반 검색방법.
  30. 컴퓨터에,
    적어도 한 개 이상의 질감 특징에 대해 각각의 특징값을 추출하기 위하여 주파수공간을 적어도 두 개 이상의 주파수영역으로 분할하여 주파수 공간분할 레이아웃을 만드는 제 1 단계와,
    데이터베이스에 저장할 영상들이 주어지면, 상기 분할된 각 주파수영역에서 상기 데이터 영상의 질감 특징값들을 추출하여 추출된 특징값들을 이용하여 데이터 영상의 질감기술자를 추출하여 저장하는 제 2 단계,
    질의 영상이 입력되면, 상기 분할된 각 주파수영역에서 상기 질의 영상의 질감 특징값들을 추출하여 추출된 특징값들을 이용하여 질의 영상의 질감기술자를 추출하는 제 3 단계,
    상기 데이터 질감기술자를 상기 질의 질감기술자와 정합하여 두 질감기술자들 사이의 거리를 측정하는 제 4 단계, 및
    상기 두 질감기술자 사이의 거리에 따라 두 영상의 유사도를 판정하는 제 5 단계를 실행시켜서 임의의 질의 영상과 유사한 데이터 영상을 검색하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
  31. 질의 영상과 유사한 데이터 영상을 질감기반 검색하는 방법에 있어서,
    데이터베이스에 저장할 영상들의 질감 특징값과 영상의 회전정보를 포함하는 질감기술자를 추출하여 저장하는 제 1 단계와,
    질의 영상이 입력되면 상기 질의 영상의 질감 특징값과 영상의 회전정보를 포함하는 질감기술자를 추출하는 제 2 단계,
    상기 데이터 질감기술자의 회전정보와 질의 질감기술자의 회전정보를 이용하여 두 질감기술자들의 회전각도를 상호 일치시키는 제 3 단계,
    상기 두 질감기술자들의 회전각도를 일치시킨 상태에서 두 영상의 질감기술자들을 정합하여 두 질감기술자 사이의 거리를 측정하는 제 4 단계, 및
    상기 두 질감기술자 사이의 거리에 따라 두 영상의 유사도를 판정하는 제 5 단계를 포함하고,
    상기 제 1 단계 및 제 2 단계의 질감기술자 추출단계는, 적어도 한 개 이상의 질감 특징에 대해 각각의 특징값을 추출하기 위하여 주파수공간을 적어도 두 개 이상의 주파수영역으로 분할하여 주파수 공간분할 레이아웃을 만드는 제 1 서브단계와, 상기 분할된 각 주파수영역에서 상기 영상의 질감 특징값들을 추출하는 제 2 서브단계, 및 상기 각 주파수 공간분할 레이아웃의 각 주파수영역에서 추출된 특징값들을 이용하여 영상의 질감기술자를 특징벡터의 형태로 표현하는 제 3 서브단계를 포함한 것을 특징으로 하는 주파수 공간상에서의 질감기반 검색방법.
  32. 제 31 항에 있어서, 제 1 단계와 제 2 단계의 영상 회전정보 추출단계는,
    입력된 영상을 푸리에 변환하여 에너지가 많이 분포되어 있는 방향을 찾는 제 1 서브단계와,
    상기 에너지가 많이 분포된 방향을 기준축으로 하여 주파수 공간분할 레이아웃을 생성하는 제 2 서브단계, 및
    상기 제 2 서브단계에서 생성된 주파수 공간분할 레이아웃의 회전정보를 상기 영상질감자에 포함시키는 제 3 서브단계를 포함한 것을 특징으로 하는 주파수 공간상에서의 질감기반 검색방법.
  33. 제 31 항에 있어서, 상기 질감기술자 추출단계의 제 1 서브단계는,
    인간시각인지시스템을 고려하여 하나 이상의 주파수 공간분할 레이아웃을 만드는 제 1 서브서브단계와,
    상기 주파수 공간분할 레이아웃의 각 채널에 대해 중요도 또는 우선순위를 부여하는 제 2 서브서브단계를 포함한 것을 특징으로 하는 주파수 공간상에서의 질감기반 검색방법.
  34. 제 31 항 또는 제 33 항에 있어서, 상기 질감기술자 추출단계의 제 2 서브단계는,
    입력된 영상을 라돈변환하는 제 1 서브서브단계와,
    상기 라돈변환된 영상을 푸리에 변환하는 제 2 서브서브단계,
    상기 분할된 각 주파수영역에서 상기 푸리에 변환된 영상으로부터 특징값들을 추출하는 제 3 서브서브단계를 포함한 것을 특징으로 하는 주파수 공간상에서의 질감기반 검색방법.
  35. 제 34 항에 있어서, 상기 제 3 서브서브단계는,
    각 주파수 영역에서의 에너지의 평균값과 분산값 중 적어도 하나의 값을 특징값으로 추출하는 단계인 것을 특징으로 하는 주파수공간상에서의 질감기반 검색방법.
  36. 컴퓨터에,
    적어도 한 개 이상의 질감 특징에 대해 각각의 특징값을 추출하기 위하여 주파수공간을 적어도 두 개 이상의 주파수영역으로 분할하여 주파수 공간분할 레이아웃을 만드는 제 1 단계와,
    데이터베이스에 저장할 영상들이 주어지면 상기 분할된 주파수영역에서의 영상의 질감 특징값들과 영상의 회전정보를 추출하여 데이터 질감기술자를 만들어 저장하는 제 2 단계와,
    질의 영상이 입력되면 상기 분할된 주파수영역에서의 영상의 질감 특징값들과 영상의 회전정보를 추출하여 질의 질감기술자를 만드는 제 3 단계,
    상기 데이터 질감기술자의 회전정보와 질의 질감기술자의 회전정보를 이용하여 두 질감기술자들의 회전각도를 상호 일치시키는 제 4 단계,
    상기 두 질감기술자들의 회전각도를 일치시킨 상태에서 두 영상의 질감기술자들을 정합하여 두 질감기술자 사이의 거리를 측정하는 제 5 단계, 및
    상기 두 질감기술자 사이의 거리에 따라 두 영상의 유사도를 판정하는 제 6 단계를 실행시켜서 질의 영상과 유사한 데이터 영상을 검색하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR1019990041574A 1999-07-09 1999-09-28 주파수 공간상에서의 질감표현방법 및 질감기반 검색방법 KR100308456B1 (ko)

Priority Applications (17)

Application Number Priority Date Filing Date Title
KR1019990041574A KR100308456B1 (ko) 1999-07-09 1999-09-28 주파수 공간상에서의 질감표현방법 및 질감기반 검색방법
GB0319202A GB2388761B (en) 1999-07-09 2000-07-06 Texture description method and texture-based retrieval method in frequency domain
GB0016488A GB2355378B (en) 1999-07-09 2000-07-06 Texture description method and texture-based retrieval method in frequency domain
GB0325991A GB2392073B (en) 1999-07-09 2000-07-06 Texture description method and texture-based retrieval method in frequency domain
AU57107/00A AU5710700A (en) 1999-07-09 2000-07-07 Texture description method and texture-based retrieval method in frequency domain
JP2000206877A JP4733813B2 (ja) 1999-07-09 2000-07-07 周波数空間上における質感表現方法
EP00942495A EP1183651A4 (en) 1999-07-09 2000-07-07 TEXTURE DESCRIPTION AND RECONSTRUCTION OF TEXTURAL IMAGES IN THE FREQUENCY AREA
CA002367966A CA2367966C (en) 1999-07-09 2000-07-07 Texture description method and texture-based retrieval method in frequency domain
FR0008909A FR2798748B1 (fr) 1999-07-09 2000-07-07 Procede de description de texture et procede d'extraction basee sur la texture dans le domaine frequenciel
US09/611,588 US6803919B1 (en) 1999-07-09 2000-07-07 Extracting texture feature values of an image as texture descriptor in a texture description method and a texture-based retrieval method in frequency domain
PCT/KR2000/000734 WO2001004842A1 (en) 1999-07-09 2000-07-07 Texture description method and texture-based retrieval method in frequency domain
DE10033462A DE10033462B4 (de) 1999-07-09 2000-07-10 Texturbeschreibungsverfahren und Wiedergewinnungsverfahren anhand der Textur im Frequenzbereich
HK04103565A HK1061084A1 (en) 1999-07-09 2001-10-15 Texture description method and texture-based retrieval method in frequency domain.
HK01107215A HK1036660A1 (en) 1999-07-09 2001-10-15 Texture description method and texture-based retrieval method in frequency domain.
HK04103564A HK1061083A1 (en) 1999-07-09 2001-10-15 Texture description method and texture-based retrieval method in frequency domain.
FR0413942A FR2861876B1 (fr) 1999-07-09 2004-12-27 Procede de description de texture et procede d'extraction base sur la texture dans le domaine frequenciel
FR0413943A FR2861877B1 (fr) 1999-07-09 2004-12-27 Procede de description de texture et procede d'extraction base sur la texture dans le domaine frequenciel

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR1019990027805 1999-07-09
KR19990027805 1999-07-09
KR1019990041574A KR100308456B1 (ko) 1999-07-09 1999-09-28 주파수 공간상에서의 질감표현방법 및 질감기반 검색방법

Publications (2)

Publication Number Publication Date
KR20010012020A true KR20010012020A (ko) 2001-02-15
KR100308456B1 KR100308456B1 (ko) 2001-11-02

Family

ID=26635781

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1019990041574A KR100308456B1 (ko) 1999-07-09 1999-09-28 주파수 공간상에서의 질감표현방법 및 질감기반 검색방법

Country Status (11)

Country Link
US (1) US6803919B1 (ko)
EP (1) EP1183651A4 (ko)
JP (1) JP4733813B2 (ko)
KR (1) KR100308456B1 (ko)
AU (1) AU5710700A (ko)
CA (1) CA2367966C (ko)
DE (1) DE10033462B4 (ko)
FR (3) FR2798748B1 (ko)
GB (1) GB2355378B (ko)
HK (1) HK1036660A1 (ko)
WO (1) WO2001004842A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100706414B1 (ko) * 1999-09-16 2007-04-10 주식회사 팬택앤큐리텔 텍스쳐 검색 장치 및 그 방법
KR100932210B1 (ko) * 2007-10-12 2009-12-16 광주과학기술원 영상 특징 추출 방법 및 장치, 이를 이용한 컨텐츠 기반의영상 검색 방법 및 장치 그리고 상기 방법들을 수행하는프로그램이 기록된 기록 매체
KR20100089680A (ko) * 2009-02-04 2010-08-12 엘지전자 주식회사 세탁기의 제어 장치

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19928231C2 (de) * 1999-06-21 2003-03-27 Max Planck Gesellschaft Verfahren und Vorrichtung zur Segmentierung einer Punkteverteilung
US7103591B2 (en) * 2002-12-02 2006-09-05 International Business Machines Corporation Method of describing business and technology information for utilization
JP3925476B2 (ja) * 2003-08-08 2007-06-06 セイコーエプソン株式会社 撮影場面の判定および撮影場面に応じた画像処理
JP4345426B2 (ja) * 2003-10-07 2009-10-14 ソニー株式会社 画像照合方法、プログラム、および画像照合装置
US7480412B2 (en) * 2003-12-16 2009-01-20 Siemens Medical Solutions Usa, Inc. Toboggan-based shape characterization
WO2013078451A1 (en) * 2011-11-22 2013-05-30 Mayo Foundation For Medical Education And Research Methods of determining local spectrum at a pixel using a rotationally invariant s-transform (rist)
JP4775122B2 (ja) * 2006-06-08 2011-09-21 富士ゼロックス株式会社 ドキュメント印象評価装置及びドキュメント印象評価プログラム
US7640780B2 (en) 2006-06-23 2010-01-05 Fci Americas Technology, Inc. Ram retraction selection
ATE530993T1 (de) * 2006-12-01 2011-11-15 Koninkl Philips Electronics Nv Verfahren zur automatischen dekodierung von mikroarray-bildern
GB0700468D0 (en) * 2007-01-10 2007-02-21 Mitsubishi Electric Inf Tech Improved image identification
JP5358083B2 (ja) * 2007-11-01 2013-12-04 株式会社日立製作所 人物画像検索装置及び画像検索装置
US8820028B2 (en) 2007-03-30 2014-09-02 Certainteed Corporation Attic and wall insulation with desiccant
GB0719833D0 (en) * 2007-10-10 2007-11-21 Mitsubishi Electric Inf Tech Enhanced image identification
GB0807411D0 (en) * 2008-04-23 2008-05-28 Mitsubishi Electric Inf Tech Scale robust feature-based indentfiers for image identification
WO2009136673A1 (en) * 2008-05-09 2009-11-12 Hankuk University Of Foreign Studies Research And Industry-University Cooperation Foundation Matching images with shape descriptors
US20100067799A1 (en) * 2008-09-17 2010-03-18 Microsoft Corporation Globally invariant radon feature transforms for texture classification
US20110238679A1 (en) * 2010-03-24 2011-09-29 Rovi Technologies Corporation Representing text and other types of content by using a frequency domain
US8725766B2 (en) * 2010-03-25 2014-05-13 Rovi Technologies Corporation Searching text and other types of content by using a frequency domain
DE102010060851A1 (de) * 2010-11-29 2012-05-31 Breitmeier Messtechnik Gmbh Verfahren zur Analyse der Mikrostruktur von Werkstückoberflächen
US9818187B2 (en) 2011-11-22 2017-11-14 Mayo Foundation For Medical Education And Research Determining local spectrum at a pixel using a rotationally invariant S-transform (RIST)
US9262443B2 (en) * 2013-05-15 2016-02-16 Canon Kabushiki Kaisha Classifying materials using texture
JPWO2014199824A1 (ja) * 2013-06-13 2017-02-23 コニカミノルタ株式会社 画像処理方法、画像処理装置および画像処理プログラム
US11037326B2 (en) * 2016-11-30 2021-06-15 Nec Corporation Individual identifying device
DE102018205668A1 (de) * 2018-04-13 2019-10-17 Siemens Aktiengesellschaft Identifizieren unbesetzter Sitzplätze auf Basis einer Detektion einer sich wiederholenden Textur
JP7429430B2 (ja) 2019-02-21 2024-02-08 東京都公立大学法人 ３次元アセンブリモデル検索システム、方法およびプログラム
CN110807494B (zh) * 2019-11-08 2023-05-30 深圳市深视创新科技有限公司 工业视觉中重复纹理的快速定位方法
CN113960580B (zh) * 2021-10-14 2023-04-07 电子科技大学 一种真假目标一维距离像的变换域不变特征提取方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3993976A (en) * 1974-05-13 1976-11-23 The United States Of America As Represented By The Secretary Of The Air Force Method and apparatus for pattern analysis
US4677576A (en) * 1983-06-27 1987-06-30 Grumman Aerospace Corporation Non-edge computer image generation system
US4615013A (en) 1983-08-02 1986-09-30 The Singer Company Method and apparatus for texture generation
US4884225A (en) * 1987-04-03 1989-11-28 University Of Massachusetts Medical Center Filtering in 3-D visual system
US5161204A (en) * 1990-06-04 1992-11-03 Neuristics, Inc. Apparatus for generating a feature matrix based on normalized out-class and in-class variation matrices
US5101270A (en) * 1990-12-13 1992-03-31 The Johns Hopkins University Method and apparatus for radon transformation and angular correlation in optical processors
JP2845107B2 (ja) 1993-10-27 1999-01-13 三菱電機株式会社 画像処理装置
US6002738A (en) * 1995-07-07 1999-12-14 Silicon Graphics, Inc. System and method of performing tomographic reconstruction and volume rendering using texture mapping
US5867609A (en) * 1995-12-07 1999-02-02 Nec Research Institute, Inc. Method for computing correlation operations on partially occluded data
AUPN727295A0 (en) * 1995-12-21 1996-01-18 Canon Kabushiki Kaisha Zone segmentation for image display
JPH09251554A (ja) 1996-03-18 1997-09-22 Nippon Telegr & Teleph Corp <Ntt> 画像処理装置
US5841890A (en) * 1996-05-06 1998-11-24 Northrop Grumman Corporation Multi-dimensional wavelet tomography
DE19813926A1 (de) * 1998-03-28 1999-09-30 Philips Patentverwaltung Verfahren und Anordnung der medizinischen Bilddatenverarbeitung
US6266442B1 (en) * 1998-10-23 2001-07-24 Facet Technology Corp. Method and apparatus for identifying objects depicted in a videostream
CN100405399C (zh) * 1999-02-05 2008-07-23 三星电子株式会社 图像纹理恢复方法及其装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100706414B1 (ko) * 1999-09-16 2007-04-10 주식회사 팬택앤큐리텔 텍스쳐 검색 장치 및 그 방법
KR100932210B1 (ko) * 2007-10-12 2009-12-16 광주과학기술원 영상 특징 추출 방법 및 장치, 이를 이용한 컨텐츠 기반의영상 검색 방법 및 장치 그리고 상기 방법들을 수행하는프로그램이 기록된 기록 매체
KR20100089680A (ko) * 2009-02-04 2010-08-12 엘지전자 주식회사 세탁기의 제어 장치

Also Published As

Publication number Publication date
FR2861877A1 (fr) 2005-05-06
AU5710700A (en) 2001-01-30
FR2861876A1 (fr) 2005-05-06
FR2861876B1 (fr) 2006-07-21
FR2798748A1 (fr) 2001-03-23
EP1183651A1 (en) 2002-03-06
CA2367966A1 (en) 2001-01-18
JP4733813B2 (ja) 2011-07-27
EP1183651A4 (en) 2005-02-23
DE10033462B4 (de) 2005-10-20
FR2861877B1 (fr) 2006-07-28
KR100308456B1 (ko) 2001-11-02
GB2355378B (en) 2004-01-21
GB2355378A (en) 2001-04-18
FR2798748B1 (fr) 2006-08-04
HK1036660A1 (en) 2002-01-11
US6803919B1 (en) 2004-10-12
GB0016488D0 (en) 2000-08-23
DE10033462A1 (de) 2001-02-15
JP2001067462A (ja) 2001-03-16
WO2001004842A1 (en) 2001-01-18
CA2367966C (en) 2008-03-11

Similar Documents

Publication Publication Date Title
KR100308456B1 (ko) 주파수 공간상에서의 질감표현방법 및 질감기반 검색방법
KR100355404B1 (ko) 주파수 공간상에서의 가보 필터를 이용한 질감표현방법 및질감기반 영상 검색방법
JP3635368B2 (ja) 内容基盤イメージ検索システム及びその検索方法
Zhang et al. Study and evaluation of different Fourier methods for image retrieval
Brilakis et al. Material-based construction site image retrieval
Jian et al. Content-based image retrieval via a hierarchical-local-feature extraction scheme
Tralic et al. Combining cellular automata and local binary patterns for copy-move forgery detection
JP2000311246A (ja) 類似画像表示方法及び類似画像表示処理プログラムを格納した記録媒体
CN100397400C (zh) 图形检索的方法
Goel et al. A refined hybrid image retrieval system using text and color
Xu et al. Performance analysis in content-based retrieval with textures
Gupta et al. Comparative study of different low level feature extraction techniques for content based image retrieval
Mehbodniya et al. Content-Based Image Recovery System with the Aid of Median Binary Design Pattern.
Xu et al. Partial shape matching of spine x-ray shapes using dynamic programming
Irtaza et al. Correlated networks for content based image retrieval
Hladnik et al. Improving performance of content based image retrieval system with color features
Khan et al. A Fused LBP Texture Descriptor-Based Image Retrieval System
GB2388761A (en) Texture-based retrieval of similar images
Ros et al. Comparing string representations and distances in a natural images classification task
Shih et al. Intelligent virtual world: technologies and applications in distributed virtual environment
Landre´ et al. Automatic building of a visual interface for content-based multiresolution retrieval of paleontology images
Lim et al. Browsing texture image databases
Birdi et al. A Review of Wavelet Based Fingerprint Image Retrieval
Savoj et al. Improvement of Accuracy of Content-Based Image Retrieval using Local and Statistical Methods
Wang et al. Application of a hybrid orthogonal function system on trademark image retrieval

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: 20120730

Year of fee payment: 12

FPAY Annual fee payment

Payment date: 20130729

Year of fee payment: 13

LAPS Lapse due to unpaid annual fee