RU2510935C2 - Method of indexing and searching digital images - Google Patents

Method of indexing and searching digital images Download PDF

Info

Publication number
RU2510935C2
RU2510935C2 RU2011138862/08A RU2011138862A RU2510935C2 RU 2510935 C2 RU2510935 C2 RU 2510935C2 RU 2011138862/08 A RU2011138862/08 A RU 2011138862/08A RU 2011138862 A RU2011138862 A RU 2011138862A RU 2510935 C2 RU2510935 C2 RU 2510935C2
Authority
RU
Russia
Prior art keywords
color
image
primary
index
colour
Prior art date
Application number
RU2011138862/08A
Other languages
Russian (ru)
Other versions
RU2011138862A (en
Inventor
Артем Константинович Игнатов
Original Assignee
Артем Константинович Игнатов
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 Артем Константинович Игнатов filed Critical Артем Константинович Игнатов
Priority to RU2011138862/08A priority Critical patent/RU2510935C2/en
Publication of RU2011138862A publication Critical patent/RU2011138862A/en
Application granted granted Critical
Publication of RU2510935C2 publication Critical patent/RU2510935C2/en

Links

Images

Abstract

FIELD: physics, computer engineering.
SUBSTANCE: invention relates to systems for indexing and searching digital images contained in files of different graphics formats. The method involves finding a colour having the shortest Manhattan length from the found predominant colour in the selected colour coordinate system from a predetermined set of primary colours, classified according to brightness, saturation and hue; using the obtained colour as an identifier for organising the search procedure in an image database; determining colour association from the basic set of primary colours to form a visual colour similarity and visual colour contrast characteristic; generating an image index (metadata) according to the presented primary colour in RGB format and/or name and/or tag of the colour; searching images in the database. As a result of the search, a list of images is formed, having indices matching the presented index and/or indices for which primary colours are present in the list of associations of visual similarity or in the list of colour contrast for the primary colour in the image search index.
EFFECT: faster automatic and semi-automatic indexation of images and faster search of images with similar predominant colours in a database.
9 cl, 4 dwg

Description

Изобретение относится к системам индексации и поиска цифровых изображений, содержащихся в файлах различных графических форматов, расположенных на локальном компьютере пользователя, в том числе в глобальной сети Интернет. The invention relates to systems for the indexing and retrieval of digital images contained in the files of different image formats are available on the local user's computer, including the global Internet.

Предлагаемый способ может найти широкое применение в поисковых системах, а также в аппаратно-программных комплексах электронной торговли (интернет-магазинах), где зачастую требуется совершить поиск товаров из базы данных магазина по характеристикам, не только заданных в текстовой форме, но и полученных в результате анализа цифровых изображений. The proposed method can be widely used in the search engines, as well as hardware and software e-commerce systems (e-tailers), which is often required to make a product search a database on the characteristics of the store, not only given in text form, but the resulting analyzing digital images.

В рамках реализации системы выделяют две основные задачи: определение преобладающего цвета изображения с сохранением индекса (метаданных) изображения в информационной базе данных и поиск изображений, содержащих схожие преобладающие цвета, в базе данных. As part of the system identified two main tasks: determining the dominant color image with the index (metadata) in the image information database and search for images containing similar predominant color in the database. Преобладающий цвет изображения определяют как цвет, который имеет большинство пикселей изображения. The predominant color of the image is defined as color that has a majority of image pixels. Преобладающий цвет изображения может быть вычислен методами анализа изображений. The predominant color of the image may be calculated by image analysis methods. Также преобладающий цвет изображения может быть выбран из списка заранее заданных цветов путем взаимодействия оператора ЭВМ с программным обеспечением по управлению информационной базы данных. As the predominant color of the image can be selected from a list of pre-defined colors by computer operator interaction with the software for information management database.

Известные из уровня техники методы контентно-ориентированной индексации для организации поиска файлов различных форматов, включая и графические, в которых оценивается совпадение содержимого путем вычисления хэш-функций от содержимого [1]. Prior art methods of content-oriented indexing search for organizing files in various formats, including graphics, in which the contents of coincidence is evaluated by calculating the hash of the contents [1]. К недостаткам таких методов можно отнести отсутствие анализа изображений, из-за чего изображения с похожими преобладающим цветами могут быть классифицированы как совершенно различные изображения. The disadvantages of such methods include the lack of image analysis, due to which the predominant image with similar colors can be categorized as a completely different picture.

Известные из уровня техники методы контентно-ориентированного поиска изображений преимущественно вычисляют вектор характерных значений для каждого изображения и сохраняют его в информационной базе данных наряду с самим изображением. Prior art methods for content-based image retrieval advantageously vector is calculated characteristic values ​​for each image and storing the information in the database along with the image itself. При этом поиск изображения осуществляется путем вычисления вектора характерных значений для предъявленного изображения с последующим сравнением искомого вектора со всеми векторами из базы данных. In this case the image search is performed by calculating the characteristic values ​​of the vector to the presented image and then comparing the required vector with all the vectors from the database. На выходе процедуры поиска при этом получают ряд изображений, для которых ошибка совпадения векторов с искомым вектором является минимальной (ниже заданного порога). At the output of the search procedure to afford the series of images for which the matching error vectors with the desired vector is the minimum (below a predetermined threshold). К таким методам можно отнести, например, метод, описанный в [2]. These include methods such as the method described in [2]. Метод использует в качестве вектора характерных признаков значение гистограмм, построенных по значениям каналов R, G, В, выраженных цветовой моделью RGB. The method uses as a vector characteristic signs value histograms plotted for values ​​of the channels R, G, B, expressed by RGB color model. Другой метод [3] использует в качестве вектора характерных признаков изображения значения гистограмм, построенных по значениям каналов Н и S, выраженных цветовой моделью HSV. Another method of [3] uses as a vector image characteristic value histogram attributes constructed from the values ​​of the channel H and S, expressed by the color model HSV.

Близким по технической сущности является способ поиска цифровых изображений из базы данных изображений [4], при котором вычисляют гистограмму предъявленного изображения, а также гистограммы изображений, хранящихся в базе данных, затем рассчитывают меру подобия изображений с применением метода оценки подобия двух распределений вероятностей (Kullback-Leibler divergence) [5]. Closest in technical essence is a method of searching for digital images from a database of images [4], wherein the presented image are calculated histogram and histograms of images stored in the database, then calculating the image similarity measure using the method for assessing the similarity of two probability distributions (Kullback- Leibler divergence) [5]. Затем результаты поиска ранжируют в зависимости степени похожести от входного изображения. Then, the search results are ranked according to similarity degree of the input image.

К недостаткам прототипа можно отнести вычислительную сложность расчета гистограмм изображений с последующим вычислением метрики похожести. The drawbacks of the prototype include the computational complexity for calculating histograms of images with subsequent calculation of the similarity metric. Еще одним недостатком прототипа является необходимость наличия входного изображения для организации процедуры поиска изображений из базы данных. Another disadvantage of the prototype is the need for an input image for the organization of image retrieval procedure from the database. Прототип анализирует контент изображения и выдает на выходе процедуры поиска результат с наименьшей ошибкой сравнения гистограмм. Prototype analyzes the image content and outputs the result of the search procedure with the smallest error histogram comparison. Но данная постановка задачи не совсем подходит для систем электронной торговли (интернет-магазинов). But this statement of the problem is not well suited for e-commerce systems (online stores). Наиболее типичная задача для систем электронной торговли - это нахождение изображения товара в базе данных товаров магазина по заданному цвету и категориям. The most common problem for e-commerce systems - is to find a product image in the database goods store data for a given color and category. При этом при использовании прототипа может достигаться результат не совсем отвечающий задаче поиска товара по выбранному цвету, т.к. At the same time when using prototype can be achieved result is not exactly corresponding to the problem of the goods on the selected color search because гистограмма изображения строится по всей области изображения, включая непосредственно объект съемки (товар) наряду с задним фоном, который может быть неоднородным. image histogram is constructed over the entire area of ​​the image, including directly subject (product), along with a background that may be irregular. Искажения, вносимые в гистограмму областями заднего фона, могут вносить существенную ошибку в результаты поиска изображений по цвету. The distortions introduced in the areas of the histogram of the background, can make a significant error in the image search results by color.

Заявляемое изобретение позволяет решить этот недостаток путем задания поиского запроса не в виде изображения предмета (товара), а в виде цветного изображения, раскрашенного в цвета из некоторого набора цветов. The claimed invention overcomes this deficiency by setting the search query is not in the form of the image object (commodity), and a color image, painted in the colors of a color set. При этом заявляемый способ поиска изображений производит трансформацию поискового запроса выраженного в графической форме (цветное изображение) в поисковый запрос, выраженный в текстовой форме в виде чисел и букв, что оказывает существенное влияние на скорость поиска. In this proposed method generates the image search keyword transformation expressed in graphical form (color image) in the search query, expressed in text form in the form of numbers and letters that have a significant impact on the search speed. Число-буквенную строку, характеризующую цвет изображения называют тегом. The number of literal string characterizing the color of an image is called a tag. При этом выборка изображений идет согласно сравнению тегов небольшой длины (порядка 10-30 символов), что требует гораздо меньших вычислительных затрат по сравнению с вычислением подобия 8-битных гистограмм, состоящих из 256 значений на канал. Wherein the image sample is compared to the tag according to a short length (of the order of 10-30 characters) that requires much less computational cost as compared with the calculation of similarity of histograms of 8-bit, consisting of 256 values ​​per channel. При использовании наиболее распространного цветового пространства RGB нужно сравнивать между собой 768=256·3 значений для каждого из сотен или тысяч изображений, хранимых в базе данных изображений. When using the most extends RGB color space to be compared with each other 768 = 256 · 3 of values ​​for each of the hundreds or thousands of images stored in the image database.

Также прототип нельзя применить для поиска изображений товаров по заданным ассоциациям гармоничности цветов, при котором в результате процедуры поиска изображений получают ряд изображений, которые имеют цвета, визуально гармонирующие между собой. Also, the prototype can not be used to search for product images on the set associations harmony of colors, in which the resulting image retrieval procedure that makes a series of images that have the color visually in harmony with each other.

Таким образом, первоочередной задачей построения систем поиска изображений для электронной торговли является задача поиска изображений согласно заданному цвету. Thus, the primary task of constructing search engines images for e-commerce is the task of searching for images according to a predetermined color. Атрибуты изображения, описывающие цвет, категорию изображения и другие параметры изображения называют индексом или метаданными изображения. Image attributes that describe color image category and other parameters of the image is called the index or image metadata. Индекс изображения хранят в информационной базе данных. picture index is stored in the information database. При этом индекс изображения должен включать в себя наряду с тэгом название цвета, которое должно как можно более точно характеризировать цвет объекта на изображении. In this case, the image index should include, along with the tag name of the color, which should be as precise as possible to characterize the color of the object in the image.

Поставленная задача решена путем разработки метода для индексации (формирования метаданных) изображений, с последующим формированием базы данных метаданных изображений и реализацией процедуры поиска метаданных изображений в базе данных, при этом способ индексации включает в себя выполнение следующих операций: This aim is achieved by providing a method for indexing (metadata form) images, followed by the formation of a meta-database of image data and metadata implementation of image retrieval procedures in the database, and the indexing method includes the following operations:

- определяют базовый набор основных цветов в формате цветового пространства RGB; - define the basic set of primary colors in the RGB color space format;

- для каждого основного цвета в формате RGB из базового набора представляют основной цвет в формате HSV, сохраняют данную ассоциацию, и для каждого основного цвета вводят название и тег цвета; - for each primary color in RGB format from a base set of primary color present in the HSV format, retain this association, and for each primary color and color is introduced name tag;

- исходное изображение представляют в формате RGB; - represent the original image in RGB format;

- определяют преобладающий цвет изображения в формате RGB, - determine the dominant color of the image in RGB format,

- приводят преобладающий цвет изображения в формат HSV; - lead the predominant color of the image in the HSV format;

- определяют основной цвет изображения в формате HSV из базового набора основных цветов HSV согласно преобладающему цвету изображения HSV; - define the basic color of the image in the HSV format of HSV base set of primary colors according to the prevailing HSV color image;

- определяют основной цвет изображения в формат RGB согласно ассоциации базового набора цветов в формате HSV базовому набору цветов в формате RGB; - define the basic color of the image in the RGB format according to the association in the basic set colors HSV format basic set of colors in RGB format;

- формируют индекс (метаданные) изображения согласно определенному основному цвету в формате RGB, HSV, названию и тегу цвета; - forming an index (metadata) image according to a certain primary color in RGB format, HSV, color name and the tag;

- сохраняют индекс (метаданные) изображения в информационной базе данных. - retain the index (metadata) in the image information database.

Разработанный метод поиска изображений (метаданных изображений) в сформированной базе данных изображений включает в себя выполнение следующих операций: Designed image search method (image metadata) formed in the image database includes the following operations:

- определяют ассоциации основных цветов из базового набора для формирования характеристики степени визуального подобия и гармоничности цветов; - determine the Association of primary colors to form a base set of characteristics of the degree of visual similarity and harmony of colors;

- формируют индекс (метаданные) запроса поиска изображений согласно предъявленному основному цвету в формате RGB, и/или названию, и/или тегу цвета; - forming an index (metadata) image retrieval request according to the presented basic color in RGB format and / or name and / or color tag;

- осуществляют поиск изображений (метаданных изображений) согласно индексу (метаданным) запроса поиска изображения и в результате поиска формируют список изображений с индексами, совпадающими с предъявленным индексом и/или с индексами, которые совпадают с заданными ассоциациями визуального сходства и гармоничности цветов. - carry out search images (image metadata) according to index (metadata) of the image search query and a search result list form index images coinciding with the presented index and / or indices, which coincide with predetermined associations visual similarity and harmony of colors.

Фиг.1. 1. Блок-схема поэтапного выполнения способа индексации (формирования метаданных) изображений согласно изобретению. A block diagram of a phased execution indexing process (formation of metadata) images according to the invention.

Фиг.2. 2. Блок-схема поэтапного выполнения способа поиска изображений согласно изобретению. Block diagram of the phase of the process image search according to the invention.

Фиг.3. 3. Пример определения преобладающего и основного цвета изображения. EXAMPLE determining predominant and the main picture color.

Фиг.4. 4. Пример поиска изображений из базы данных в соответствии с заданным основным цветом изображения. EXAMPLE image search from the database in accordance with a predetermined primary color image.

Далее по тексту предпочтительный вариант реализации заявляемого изобретения описывается в деталях с привлечением графических материалов. Hereinafter, a preferred embodiment of the claimed invention will be described in detail with the assistance of the drawings. Однако объем охраны заявляемого изобретения не ограничен предпочтительным вариантом реализации изобретения, которое может быть реализовано в различных формах. However, the scope of protection of the claimed invention is not limited to the preferred embodiment of the invention which may be embodied in various forms. Предпочтительный вариант реализации, раскрытый в описании, является только примером, приведенным, чтобы раскрыть существо и помочь специалистам в полной степени понять заявляемое изобретение. The preferred embodiment disclosed herein is only an example given to help disclose the substance and the skilled understand the full extent of the claimed invention.

Блок-схема способа индексации (создания и сохранения метаданных в базе данных) цифровых изображений представлена на Фиг.1. Block diagram of a method of indexing (creating and maintaining metadata in the database) digital image represented in Figure 1. Согласно Фиг.1 на шаге 101 способа определяют базовый набор основных цветов. According to Figure 1, at step 101 the method determines a base set of primary colors. В качестве иллюстрации сущности изобретения базовый набор цветов представлен в Табл. As an illustration of the Invention base color set is presented in Table. 1. Базовый набор цветов представляют в форме значений цветового пространства RGB, т.е. 1. Basic set of colors are in the form of RGB color space values, i.e., трехмерных координатах, задаваемых цветовой моделью RGB [6]. three-dimensional coordinates defined by RGB color model [6]. Также в качестве более точного определения преобладающего цвета изображения базовый набор цветов может быть представлен в форме значений цветового пространства HSV, т.е. Also, as a more accurate determination of the dominant image color base set of colors can be represented in the form of HSV color space values, i.e., трехмерных координатах, задаваемых цветовой моделью HSV. three-dimensional coordinates defined by the HSV color model. Детальное описание цветовой модели HSV здесь не приводится вследствие известности из текущего уровня техники [7]. Detailed description of the HSV color model is not presented here due to the current popularity of the prior art [7]. При этом каналы R, G, В имеют диапазон значений от 0 до 255, тогда как значения канала Н изменяются от 0 до 360°, а значения канала S и V изменяются от 0 до 1. The channels R, G, B have the range of values ​​from 0 to 255, whereas the value of the channel H vary from 0 to 360 °, and S and V values ​​of a channel change from 0 to 1.

Табл. Table. 1 one
Базовый набор основных цветов A basic set of primary colors
Название цвета The name of the color RGB RGB HSV HSV Тэг tag
Ярко-красный Vermilion (255,0,0) (255,0,0) (0.1.1) (0.1.1) красный насыщенный яркий Solid red bright
Ярко-оранжевый Bright orange (255,128,0) (255,128,0) (30,1,1) (30,1,1) оранжевый насыщенный яркий Saturated bright orange
Ярко-желтый Bright yellow (255,255,0) (255,255,0) (60,1,1) (60,1,1) желтый насыщенный яркий bright saturated yellow
Ярко-салатовый Bright lime (128,255,0) (128,255,0) (90,1,1) (90,1,1) салатовый насыщенный яркий lime saturated bright
Ярко-зеленый Bright green (0,255,0) (0,255,0) (120,1,1) (120,1,1) зеленый насыщенный яркий Saturated bright green
Ярко-сине-зеленый Bright blue-green (0,255,128) (0,255,128) (150,1,1) (150,1,1) сине-зеленый насыщенный яркий blue-green bright saturated
Яркий циан bright cyan (0,255,255) (0,255,255) (180,1,1) (180,1,1) циан насыщенный яркий Cyanogen saturated bright
Ярко-голубой Bright blue (0,128,255) (0,128,255) (210,1,1) (210,1,1) голубой насыщенный яркий blue saturated bright
Ярко-синий Bright blue (0,0,255) (0,0,255) (240,1,1) (240,1,1) синий насыщенный яркий blue saturated bright
Ярко-фиолетовый Bright purple (128,0,255) (128,0,255) (270,1,1) (270,1,1) фиолетовый насыщенный яркий purple saturated bright
Ярко-розовый Bright pink (255,0,255) (255,0,255) (300,1.1) (300,1.1) розовый насыщенный яркий bright saturated pink
Ярко-малиновый Bright crimson (255,0,128) (255,0,128) (330,1,1) (330,1,1) малиновый насыщенный яркий rich crimson bright
Темно-красный Dark red (102,41,41) (102,41,41) (0,0.6,0.4) (0,0.6,0.4) красный полутон темный dark red halftone
Темно-оранжевый Dark orange (102,71,41) (102,71,41) (30,0.6,0.4) (30,0.6,0.4) оранжевый полутон темный Orange half-tone dark
Темно-желтый Dark yellow (102,102,41) (102,102,41) (60.0.6,0.4) (60.0.6,0.4) желтый полутон темный dark yellow halftone
Темно-салатовый Dark lime (71,102,41) (71,102,41) (90, 0.6,0.4) (90, 0.6,0.4) салатовый полутон темный light green dark semitone
Темно-зеленый Dark green (41,102,41) (41,102,41) (120,0.6,0.4) (120,0.6,0.4) зеленый полутон темный dark green halftone
Темный сине-зеленый Dark blue and green (41,102,71) (41,102,71) (150,0.6,0.4) (150,0.6,0.4) сине-зеленый полутон темный blue-green dark semitone
Темный циан dark cyan (41,102,102) (41,102,102) (180,0.6,0.4) (180,0.6,0.4) циан полутон темный cyan dark semitone
Темно-голубой Light blue (41,71,102) (41,71,102) (210.0.6,0.4) (210.0.6,0.4) голубой полутон темный dark blue semitone
Темно-синий Navy blue (41,41,102) (41,41,102) (240,0.6,0.4) (240,0.6,0.4) синий полутон темный Blue halftone dark
Темно-фиолетовый Dark violet (71,41,102) (71,41,102) (270,0.6,0.4) (270,0.6,0.4) фиолетовый полутон темный dark purple semitone
Темно-розовый Dark pink (102,41,102) (102,41,102) (300,0.6,0.4) (300,0.6,0.4) розовый полутон темный dark pink semitone
Темно-малиновый Dark crimson (102,41,71) (102,41,71) (330,0.6,0.4) (330,0.6,0.4) малиновый полутон темный crimson dark semitone

Отдельно замечаем, что выбор цветовой модели для базовых цветов не меняет сущности изобретения и зависит только от удобства пользования для создания системы индексации цифровых изображений. Separately, we note that the choice of the color model for the basic colors do not change the essence of the invention and depends on the ease of use to create a digital image indexing system.

Для определения базового набора основных цветов, представленных в виде цветового пространства HSV, значения каналов Н, S и V могут разбиваться на интервалы для удобства выбора базовых цветов при изменении их количества. To determine the base set of primary colors represented in the color space as HSV, channel value H, S and V may be divided into intervals for the convenience of selection of primary colors with a change in quantity. При этом интервалам для описания интервала могут присваиваться названия в виде тегов (Табл. 2). Thus the name can be assigned slots in a tag (Tab. 2) for describing interval. Здесь и далее термины цветовой канал и координаты цветового пространства имеют одинаковое значение. Hereinafter, the terms channel and color coordinates of the color space have the same value. При этом термин «цветовой канал» употребляется преимущественно при описании системы отсчета в выбранном цветовом пространстве, тогда как термин «цветовая координата» употребляется в контексте координаты в выбранной системе отчета. The term "color channel" is used mainly for describing reference frame in the selected color space, whereas the term "color coordinates" is used in the context of the selected coordinate system report.

Для канала Hue количество интервалов задают как N HUE . Hue channel number of slots is given as N HUE. При равномерном разбитии канала Hue каждый интервал будет иметь длину, выраженную как I HUE /N HUE , где I HUE - максимальное значение для канала Hue (где I HUE =360°). When uniform channel smashing Hue each interval will have a length expressed as I HUE / N HUE, where I HUE - Hue maximum value for the channel (where I HUE = 360 °).

Для канала Saturation количество интервалов задают как N SAT . Saturation channel number of slots is given as N SAT. При равномерном разбитии канала Saturation каждый интервал будет иметь длину, выраженную как I SAT /N SAT , где I SAT - максимальное значение для канала Saturation (где I SAT =1 при использовании нормированного значения). When uniform channel Saturation smashing each interval will have a length expressed as I SAT / N SAT, where I SAT - Saturation maximum value for the channel (where I SAT = 1 using the normalized values).

Для канала Value количество интервалов задают как N VAL . Value for channel set as the number of intervals N VAL. При равномерном разбитии канала Value каждый интервал будет иметь длину, выраженную как I VAL /N VAL , где I VAL - максимальное значение для канала Value (где I VAL =1 при использовании нормированного значения). When uniform channel Value smashing each interval will have a length expressed as I VAL / N VAL, where I VAL - maximum value for the Value channel (where I VAL = 1 using the normalized values).

При этом для каждого основного цвета из базового набора координату Н основного цвета выбирают как значение Н из интервалов, на который делится канал Hue; Thus for each primary color from a base set of primary color coordinate of H is selected as the value of N slot, which is divided Hue channel; координату S основного цвета выбирают как значение S из интервалов, на который делится канал Saturation; S coordinate primary color is selected as the value S of the intervals in which is divided Saturation channel; координату V основного цвета выбирают как значение V из интервалов, на который делится канал Value. V coordinate of a primary color is selected as the value V of the intervals, which is divided Value channel. В Табл. Table. 2 приведен пример разбивки каналов Hue, Saturation, Value на интервалы. 2 shows an example of breakdown channels Hue, Saturation, Value at intervals. Также в таблицы приведены значения основных цветов, заданных в пределах выбранных диапазонов. Also in the table shows the values ​​of the primary colors defined within selected ranges. В качестве иллюстрации работы метода для каждого основного цвета выбирают значение Hue как середину интервала сопоставляемого интервала канала Hue. As an illustration of the method for each primary color is selected as the middle value of Hue Hue mapped channel slot interval. Однако для каналов Saturation и Value значения основных цветов не соответствуют серединам искомых интервалов. However, Saturation and Value channel values ​​of the basic colors do not correspond to the middles of the desired intervals.

Для определения ахроматических цветов (цветов с малым значением насыщенности) базового набора вводят порог T S для значений канала Saturation и порог Т V для значений канала Value. To determine the achromatic colors (colors with low saturation value) core set administered threshold T S for Saturation channel values and a threshold T for V Value channel values. При этом считают основной цвет ахроматическим, если значение координаты Saturation меньше T S и значение координаты Value меньше Т V . In this case consider the basic achromatic color if the coordinate value is less Saturation T S and the coordinate value Value is less than T V.

Для упрощения индексаций-изображений, а также формирования групп изображений на шаге 101 способа индексации цифровых изображений вводят ассоциацию значений основных цветов с названием цвета, а также с тегом. To simplify the indexation images and forming, at step 101 a method of indexing the digital imaging device groups administered association values ​​of the primary colors with color name, and tag. При этом название цвета используется для взаимодействия с человеком в графическом интерфейсе пользователя. In this case, the color name used to communicate with a person in a graphical user interface. В свою очередь тэг используется для организация процедуры поиска. In turn, the tag is used for the organization of the search procedure. Категории тегов могут быть выбраны как характеризующие основные цвета по яркости (интенсивности), и/или по цвету, и/или по насыщенности цвета. Category tags may be chosen as characterizing the basic color brightness (intensity), and / or color and / or color saturation. В Табл. Table. 1 приведены примеры тегов, заданные в соответствии с тоном цвета, его яркостью и насыщенностью. 1 shows examples of tag set in accordance with the tone color, its brightness and saturation. Теги составляются путем комбинации тегов интервалов из Табл. Tags are prepared by combining the tags of Table intervals. 2. 2.

Табл. Table. 2 2
Пример задания интервалов для канала Hue, Saturation, Value EXAMPLE intervals for channel assignment Hue, Saturation, Value
Канал Channel Тег интервала tag interval Интервал Interval Основный цвет интервала Basic color range
Hue Hue красный red (-15,15) (-15.15) 0 0
оранжевый Orange (15,45) (15.45) 30 thirty
желтый yellow (45,75) (45.75) 60 60
салатовый lime (75,105) (75.105) 90 90
зеленый green (105,135) (105.135) 120 120
сине-зеленый blue-green (135,165) (135.165) 150 150
циан cyanogen (165,195) (165.195) 180 180
голубой blue (195,225) (195.225) 210 210
синий blue (225,255) (225.255) 240 240
фиолетовый Violet (255,285) (255.285) 270 270
розовый pink (285,315) (285.315) 300 300
малиновый crimson (315,345) (315.345) 330 330
Saturation Saturation пастельный pastel (0,0.45) (0,0.45) 0.3 0.3
полутон semitone (0.45,0.9) (0.45,0.9) 0.6 0.6
насыщенный saturated (0.9,1) (0.9,1) 1 one
Value Value темный dark (0,0.45) (0,0.45) 0.4 0.4
светлый light coloured (0.45,0.9) (0.45,0.9) 0.7 0.7
яркий bright (0.9,1) (0.9,1) 1 one

После определения базового набора основных цветов на шаге 102 способа индексации цифровых изображений приводят искомое цифровое изображение 100 в формат RGB. After determining a base set of primary colors, at step 102 the indexing method of digital images result in the desired digital image 100 in the RGB format. Способы перевода изображения из известных популярных форматов хранения файлов, таких как JPEG, TIFF, PSD и других в растровый трехмерный массив RGB значений здесь не приводятся вследствие известности этих способов из текущего уровня техники и технологии. ways of translating the image of the famous popular file storage formats, such as JPEG, TIFF, PSD and others in raster three-dimensional array of RGB values ​​are not listed here due to the popularity of these methods from the current state of the art and technology.

После перевода входного цифрового изображения в формат RGB на шаге 103 определяют преобладающий цвет изображения 100, выраженного в цветовом пространстве RGB. After the transfer of the input digital image in RGB format in step 103 determine the dominant color of the image 100, expressed in RGB color space. Нахождение преобладающего цвета для автоматической индексации изображений в информационной базе данных осуществляют при помощи программного средства, при использовании которого оператор ЭВМ заносит изображения в базу данных, затем путем клика в выбранную область изображения указывает цвет какого пикселя считать преобладающем цветом изображения. Finding the dominant color for the automatic indexing of images in the database of information is carried out by means of software, using which a computer operator puts the image in the database, and then by clicking on the selected area of ​​the image indicates the color of the pixel is considered the predominant color of the image. Можно обойтись и без участия оператора ЭВМ и в качестве искомой области изображения считать центр изображения с координатами (x im /2, y im /2), где x im - ширина изображения в пикселях, y im - высота изображения в пикселях. You can do without a computer operator and as the desired image area considered the center of the image coordinates (x im / 2, y im / 2), where x im - width of the image in pixels, y im - height of the image in pixels. При этом центр декартовых координат с осями Х и Y размещают в левом верхнем углу изображения. The center of the Cartesian coordinate axes X and Y is placed in the upper left corner of the image. В свою очередь ось Х направляют в горизонтальном направлении слева направо, а ось Y направляют в вертикальном направлении сверху вниз. In turn, the X axis is directed in the horizontal direction from left to right, and the Y-axis is directed vertically downwards.

Изображения, представленные в цифровом виде, зачастую могут содержать зашумленные области вследствие обработки сигналов в фотоаппаратах и последующей обработки и/или сжатия. Images presented in digital form, often contain noisy area due to signal processing in cameras and processing and / or compression. Зашумленные области изображения понимают как области, в которых отдельные пиксели имеют значения, сильно отличающиеся от среднего значения в данной области изображения. Hum image area understood as areas, in which individual pixels have values ​​which differ greatly from the average value in the image area. Для уменьшения влияния цифрового шума на результат определения преобладающего цвета возможно применение цифровой фильтрации изображения для области пикселей вокруг выбранного пикселя. To reduce the effect of the digital noise on the determination result of the predominant color may use digital image filtering for the pixel area around the selected pixel. Фильтрация может быть выполнена с применением функции гауссиана. Filtering can be performed using a Gaussian function. Описание работы цифровой фильтрации с помощью функции гауссиана здесь не приводится ввиду известности этого способа из текущего уровня техники. Description of operation of digital filtering using the Gaussian function is not given here in view of the popularity of this method of the current art. Любой метод цифровой фильтрации может быть применен для устранения эффекта зашумленности изображения. Any method of digital filtering can be used to eliminate the effect of image noise. При этом выбор метода фильтрации не влияет на смысл изобретения. The choice of the filtration method does not affect the meaning of the invention. Под областью пикселей понимают группу пикселей, находящихся в непосредственной близости от данного пикселя с координатами (х, у). Below the pixel is meant a group of pixels in the immediate vicinity of the given pixel with coordinates (x, y). Область пикселя обычно задают в виде прямоугольного окна изображения с координатами верхнего левого угла (х-х w /2,у-у w /2) и правого нижнего угла (х+х w /2,у+у w /2). Typically define the pixel region in a rectangular display window with the coordinates of the upper left corner (x-x w / 2, y-y w / 2) and the lower right corner (x + x w / 2, y + w / 2). При этом x w - ширина прямоугольного окна в пикселях, y w - высота прямоугольного окна в пикселях. In this case, x w - the width of a rectangular window in pixels, y w - the height of a rectangular window in pixels. Описанный выше способ выбора окна фильтрации является чисто иллюстративным. The above described method for selecting the filtering window is purely illustrative. Выбор формы окна фильтрации не меняет сущности изобретения. The choice of form of the filtering window does not change the essence of the invention. Хотим отметить, что выбор метода фильтрации ложится на плечи разработчика системы индексации изображений и не меняет сущности данного изобретения. We would like to note that the choice of the filtration method rests on the shoulders of the developer image indexing system and does not change the essence of the invention.

После определения преобладающего цвета изображения выраженного в цветовом пространстве RGB на шаге 104 способа индексации цифровых изображений определяют основной цвет искомого изображения согласно базовому набору основных цветов. After determining the dominant color of the image expressed in the RGB color space of step 104 digital image indexing process determines the base color of the desired image under the baseline set of the primary colors. Для этого RGB значение преобладающего цвета преобразуют в цветовое пространство HSV. For this RGB value of the dominant color in the color space is converted HSV. Для полученного HSV значения вычисляют расстояние Манхеттен (1 норма) от каждого основного цвета из базового набора согласно формуле 1 HSV values ​​obtained for calculating Manhattan distance (1 rate) of each primary color of the base set according to formula 1

Δ Δ h h s s v v = = Δ Δ h h u u e e + + Δ Δ s s a a t t + + Δ Δ v v a a l l , . ( ( 1 one ) )

Figure 00000001

где Where

Figure 00000002
, . Δ Δ h h u u e e { { 0 0 , . 3 3 6 6 0 0 } }
Figure 00000003
- абсолютное значение разницы координаты Hue для преобладающего цвета Р {Р hue , P sat , P val } и основного цвета О {О hue , O sat , O val }; - the absolute value of the coordinates of Hue difference for the dominant color P {F hue, P sat, P val} and {primary color About About hue, O sat, O val} ;

Figure 00000004
, .
Figure 00000005
- абсолютное значение разницы координаты Saturation для преобладающего цвета Р и основного цвета О; - the absolute value of Saturation coordinate difference for the dominant color and the primary color R O;

Figure 00000006
, .
Figure 00000007
- абсолютное значение разницы координаты Value для преобладающего цвета Р и основного цвета О. - the absolute value of Value coordinate difference for the dominant color and the primary color P O.

При этом диапазон значений координаты Hue от 0° до 360° нормируют в диапазон от 0 до 1. Функция нормировки может иметь вид как в формуле 2. The range of the coordinates of Hue values ​​from 0 ° to 360 ° in a normalized range between 0 and 1. The normalization function can have the form as in Equation 2.

Figure 00000008

Таким образом используют следующую формулу (формула 3) для расчета расстояния между цветами в цветовом пространстве HSV Thus using the following formula (Formula 3) to calculate the distance between the colors in the HSV color space

Δ Δ h h s s v v N N = = Δ Δ h h u u e e N N + + Δ Δ s s a a t t + + Δ Δ v v a a l l , . ( ( 3 3 ) )

Figure 00000009

Основной цвет предъявленного изображения определяют из базового набора основных цветов HSV, как цвет, который имеет наименьшее расстояние Манхеттен Δ hsvN (формула 3) от предъявленного HSV значения. Primary Color image determined from the presented set of base HSV primary colors, such as color, which has the smallest Manhattan distance Δ hsvN (Formula 3) from the presented HSV values. Затем получают значение основного цвета в формате RGB из набора ассоциаций основных цветов RGB и HSV. Then the obtained primary color value in RGB format from a set of associations basic RGB and HSV color. Пример ассоциаций основных цветов указан в Табл.1 Example of associations of primary colors specified in Table 1

После определения основного цвета изображения выраженного в цветовом пространстве RGB на шаге 105 способа индексации цифровых изображений формируют индекс (метаданные) изображения 107. Искомый индекс используют в качестве идентификатора при поиске изображений в базе данных. After determining the primary color image expressed in the RGB color space in step 105 a method of indexing the digital image forming index (metadata) 107. Seeking image index is used as an identifier for searching images in a database. Наряду с информацией о преобладающем цвете изображения индекс изображения может содержать информацию о файле изображения, например системный путь к файлу изображений. Along with information about the image dominant color image index can contain information about the image file, such as the system path to the image file. Также индекс может содержать информацию о параметрах съемки фото (полученную например из EXIF метаданных файла изображения) и любую другую информацию, характеризующую изображение, например к какой категории товаров относится предмет, зафиксированный на изображении. Also, the index may contain information about the photo shooting (eg resulting from EXIF ​​image metadata file) and any other information that characterizes the image, such as a product category related item recorded on the image.

После формирования индекса (метаданных) изображения на шаге 106 способа индексации изображений сохраняют индекс предъявленного изображения в информационной базе данных. After the formation of the index (metadata) of the image in step 106 image indexing method retain the presented image in the index information database. Наряду с сохранением индекса изображений в базе данных возможно также сохранение самого изображения в базе данных в качестве байтового массива. Along with keeping the index images in the database is also possible preservation of the image in the database as a byte array.

Табл. Table. 3 3
Ассоциации основных цветов из базового набора Association of primary colors of the base set
Название цвета The name of the color Ассоциации по оттенку in shade Association Ассоциации по контрасту in contrast association
Ярко-красный Vermilion Темно-красный, Светло-красный Dark red, light red Ярко-зеленый Bright green
Ярко-оранжевый Bright orange Ярко-желтый, Темно-желтый, Светло-оранжевый Bright Yellow, Dark Yellow, Dark Orange Ярко-фиолетовый Bright purple
Ярко-желтый Bright yellow Ярко-оранжевый, Темно-желтый, Светло-желтый Bright orange, dark yellow, light yellow Ярко-синий Bright blue
Ярко-голубой Bright blue Ярко-синий, Светло-синий, Темно-синий Bright Blue, Light Blue, Dark Blue Ярко-розовый Bright pink
Ярко-синий Bright blue Ярко-голубой, Светло-голубой Bright blue, light blue Ярко-желтый Bright yellow
Ярко-фиолетовый Bright purple Светло-фиолетовый, Темно-фиолетовый Light Purple, Dark Purple Ярко-оранжевый Bright orange

Пример реализации способа индексации изображений как части программного обеспечения системы управления базы данных приведен на Фиг.3. EXAMPLE implementation image indexing process as part of the software database management system is shown in Figure 3. Согласно Фиг.3 оператор базы данных может задать категории товара, к которой принадлежит загружаемое в базу данных изображение. 3 According to the database, the operator can select a product category to which belongs loaded into the database image. Помимо выбора категорий, программное обеспечение позволяет определить преобладающий и основной цвета изображения. In addition to selecting the categories, the software allows you to determine the dominant and the main image. Преобладающий цвет RGBA={252, 22, 54, 255} был автоматически рассчитан с помощью фильтрации центральной области изображения с радиусом в несколько пикселей. The predominant color RGBA = {252, 22, 54, 255} was calculated automatically from a central area of ​​the image filter with a radius of a few pixels. При этом основной цвет изображения был определен как «красный_ светлый_насыщенный» согласно описанному методу индексации изображений. Thus the basic color of the image was defined as "krasnyy_ svetlyy_nasyschenny" as described image indexing method.

Блок-схема способа поиска изображений (метаданных изображений) в сформированной базе данных изображений представлена на Фиг.2. A block diagram of the image search method (image metadata) formed in the image database is shown in Figure 2. Согласно Фиг.2 на шаге 201 способа определяют ассоциации основных цветов из базового набора для формирования характеристики степени визуального подобия и гармоничности цветов. According to Figure 2, at step 201 the method determines the association of the primary colors of the basic set for forming the visual characteristics of the degree of similarity and harmony of colors. Пример ассоциаций для некоторых цветов представлен в Табл. Example of associations for some colors presented in the Table. 3. 3.

После определения ассоциаций основных цветов из базового набора на шаге 202 способа поиска изображений формируют индекс (метаданные) запроса поиска изображений согласно предъявленному основному цвету в формате RGB, и/или названию, и/или тегу цвета (200). After determining associations primary colors from the base set in step 202, the process search index images formed (metadata) image retrieval request according to the presented basic color in RGB format and / or name and / or color tag (200).

После формирования индекса на шаге 203 способа поиска изображений осуществляют поиск изображений (метаданных изображений) согласно индексу (метаданным) запроса поиска изображения и в результате поиска формируют список изображений (204) с индексами, совпадающими с предъявленным индексом, и/или с индексами, которые совпадают с заданными ассоциациями визуального сходства и гармоничности цветов. After generating the index in step 203 process image search is performed to search for images (image metadata) according to index (metadata) search query image and a search result form the image list (204) with index coinciding with the presented index and / or indices, which coincide with preset associations of visual similarity and harmony of colors.

Пример реализации способа поиска изображений как части программно-аппаратного обеспечения веб-интерфейса (веб-страницы, размещенной в сети Интернет) системы электронной торговли приведен на Фиг.4. An example of the method of image search as part of a firmware Web interface (posted on the Internet web page) e-commerce system is shown in Figure 4. Согласно Фиг.4 пользователь веб-интерфейса выбирает нужный цвет для поиска с помощью клика на область выбора цвета (прямоугольник слева сверху с радужной шкалой). 4 According to the web interface, the user selects the desired color for the search via click on the color selection area (rectangle at the top left with rainbow scale). Путем клика мышью на радужную шкалу происходит задание требуемого оттенка, в свою очередь путем клика мышью на прямоугольную область происходит выбор требуемой яркости и насыщенности. By clicking the mouse on the job rainbow scale occurs desired shade in turn by clicking the mouse on a rectangular region is used to select the desired brightness and saturation. После этого веб-интерфейс выводит список изображений товаров согласно заданным критериям поиска. After that, the web interface displays the image of the item list according to your search criteria. На Фиг.4 показан результат поиска согласно заданному основному цвету без указания категории товара (например, блузка, платье и т.п.). Figure 4 shows the search results according to a predetermined primary color without specifying the category of goods (for example, blouse, dress, etc.).

Заявляемое изобретение может быть использовано в качестве программно-аппаратного обеспечения систем электронной торговли, в которых веб-интерфейс пользователя по выбору товара включает поиск товаров не только по категориям, но и поиск изображений товаров с указанием желаемого цвета товара. The claimed invention can be used as a software and hardware systems, e-commerce, in which the Web user interface for selection of goods includes not only search for products by category, but also search for images of the goods, indicating the desired color product. Также возможна реализация поиска изображений товаров согласно заданным ассоциациям гармоничности цветов, что может быть очень востребовано, например, в системах электронной торговли одежды и обуви. image search implementation is also possible according to the specified goods associations harmony of colors that can be very much in demand, for example, e-commerce systems, clothing and footwear.

Литература Literature

[1] WO 2005/033885, "Content oriented index and search method and system", 14.04.2005. [1] WO 2005/033885, "Content oriented index and search method and system", 14.04.2005.

[2] "Image Retrieval using Color and Shape", Anil K. Jain and Aditya Vailaya, Pattern Recognition, 29 (8), 1996. [2] "Image Retrieval using Color and Shape", Anil K. Jain and Aditya Vailaya, Pattern Recognition, 29 (8) 1996.

[3] "Supporting Similarity Queries in MARS", Michael Ortega, et al., ACM Multimedia 97. [3] "Supporting Similarity Queries in MARS", Michael Ortega, et al., ACM Multimedia 97.

[4] US 6163622 "Image retrieval system", 19.12.2000. [4] US 6,163,622 "Image retrieval system", 19.12.2000.

[5] http://en.wikipedia.org/wiki/Kullback%E2%80%93Leibler _ divergence. [5] http://en.wikipedia.org/wiki/Kullback%E2%80%93Leibler _ divergence.

[6] http://ru.wikipedia.org/wiki/RGB. [6] http://ru.wikipedia.org/wiki/RGB.

[7] http://m.wikipedia.org/wiki/HSV_(цветовая _ модель). [7] http://m.wikipedia.org/wiki/HSV_(цветовая _ model).

Claims (9)

1. Способ индексации цифровых изображений, при котором анализируют цифровое представление изображений с целью создания индекса (метаданных) изображения, описывающего основной цвет изображения, и использования его в качестве идентификатора для организации процедуры поиска изображений, отличающийся тем, что 1. A method of indexing digital images, wherein the digital representation of images is analyzed in order to create an index (metadata) of the image, describing the basic color of the image, and using it as an identifier for organizing images search procedure, characterized in that
- определяют базовый набор основных цветов в формате цветового пространства HSV; - define the basic set of primary colors in the HSV color space format;
- задают название и тег цвета для каждого основного цвета; - set the name and color of the tag for each primary color;
- основные цвета базового набора определяют как ахроматические, если значение канала Saturation меньше определенного порога T S и если значение канала Value меньше определенного порога Т V ; - a base set of primary colors is determined as achromatic when Saturation channel value is less than a certain threshold T S Value channel and if the value is below a certain threshold T V;
- исходное изображение представляют в формате RGB; - represent the original image in RGB format;
- определяют преобладающий цвет изображения в формате RGB; - determine the dominant color of the image in RGB format;
- совершают преобразование преобладающего цвета изображения из формата RGB в формат HSV; - perform conversion predominant color of the image from RGB format to the HSV format;
- определяют основной цвет изображения в формате HSV из базового набора основных цветов HSV, как цвет, который имеет наименьшее расстояние манхэттен (1 норму) - define the basic color of the image in the HSV format from the base set of primary colors HSV, as the color which has the smallest Manhattan distance (1 rate)
Figure 00000010
от предъявленного HSV значения, где HSV values ​​of the presented where
Figure 00000011
являются абсолютными разностями координат Hue, Saturation и Value соответственно; differences are absolute coordinates Hue, Saturation and Value, respectively;
- совершают преобразование основного цвета изображений из формата HSV в формат RGB; - perform transformation of primary color images of HSV format into RGB format;
- формируют индекс (метаданные) изображения согласно определенному основному цвету в формате RGB, HSV, названию и тегу цвета; - forming an index (metadata) image according to a certain primary color in RGB format, HSV, color name and the tag;
- сохраняют индекс (метаданные) изображения в информационной базе данных; - retain the index (metadata) in the image information database;
2. Способ по п.1, отличающийся тем, что список тегов классифицируют согласно категориям, характеризующим основные цвета по яркости (интенсивности), и/или по цвету, и/или по насыщенности цвета. 2. A method according to claim 1, characterized in that the tag list are classified according to categories, characterizing the basic color brightness (intensity), and / or color and / or color saturation.
3. Способ по п.1, отличающийся тем, что преобладающий RGB цвет изображения определяют путем выбора пикселя с соответствующими координатами. 3. A method according to claim 1, characterized in that the predominant RGB color image is determined by selecting pixels with corresponding coordinates.
4. Способ по п.1, отличающийся тем, что преобладающий RGB цвет изображения определяют как результат цифровой фильтрации выбранной области пикселя с соответствующими координатами. 4. A method according to claim 1, characterized in that a predominant color RGB image is determined as the result of digital filtering of the selected pixel region with the corresponding coordinates.
5. Способ по п.4, отличающийся тем, что в качестве функции цифровой фильтрации используют функцию гауссиана. 5. A method according to claim 4, characterized in that the digital filtering function using the Gaussian function.
6. Способ по п.1, отличающийся тем, что для каждого основного цвета из базового набора координату Н основного цвета выбирают как значение Н из интервалов, на который делится канал Hue, при этом количество интервалов для канала Hue определяют как N HUE ; 6. A method according to claim 1, characterized in that for each primary color from a base set of primary color coordinate of H is selected as the value of N slots to which a channel is divided Hue, the number of intervals for Hue channel is defined as N HUE; координату S основного цвета выбирают как значение S из интервалов, на который делится канал Saturation, при этом количество интервалов для канала Saturation определяют как N SAT ; S coordinate primary color is selected as the value S of the intervals in which is divided Saturation channel, the number of intervals for Saturation channel is defined as N SAT; координату V основного цвета выбирают как значение V из интервалов, на который делится канал Value, при этом количество интервалов для канала Value определяют как N VAL . V coordinate of a primary color is selected as the value V of the intervals, which is divided Value channel, the number of intervals for channel Value is defined as N VAL.
7. Способ поиска цифровых изображений с использованием в качестве идентификатора индекса изображения (включающего информацию об основном цвете изображения в формате RGB, теге и названии цвета), отличающийся тем, что 7. A digital image searching method using an image index identifier (including information about the basic image color in RGB, and colors tag name format), characterized in that
- определяют ассоциации цветов из базового набора основных цветов для формирования характеристики визуального подобия цветов; - determine the Association of color base set of primary colors to form a color characteristic visual similarity;
- определяют ассоциации цветов из базового набора основных цветов для формирования характеристики визуального контраста цветов; - determine the Association of color base set of primary colors to form a color contrast visual characteristics;
- формируют индекс (метаданные) изображения согласно предъявленному основному цвету в формате RGB, и/или названию, и/или тегу цвета; - forming an index (metadata) of the image according to the presented basic color in RGB format and / or name and / or color tag;
- осуществляют поиск изображений в информационной базе данных согласно сформированному индексу изображения и в результате поиска формируют список изображений с индексами, совпадающими с предъявленным индексом, и/или с индексами, у которых основные цвета присутствуют в списке ассоциаций визуального сходства или в списке контрастности цветов для основного цвета в индексе поиска изображений. - image search in the information database according to the generated index image and a search result form the image list with indices coinciding with the presented index and / or indices, in which the primary colors are present in the list of visual similarity associations or in the list of color contrast for the main colors in image search index.
8. Способ по п.7, отличающийся тем, что информационную базу данных цифровых изображений хранят на сервере в глобальной сети Интернет. 8. A method according to claim 7, characterized in that the digital image information database stored on a server in the Internet.
9. Способ по п.7, отличающийся тем, что доступ к базе данных осуществляют через веб-интерфейс (веб-сайт, размещенный в глобальной сети Интернет), который используется пользователем для формирования поискового запроса в информационную базу данных изображений. 9. A method according to claim 7, characterized in that the database access is performed via the Web interface (Web site located in the Internet), which is used by the user to form a search query to an information image database.
RU2011138862/08A 2011-09-23 2011-09-23 Method of indexing and searching digital images RU2510935C2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2011138862/08A RU2510935C2 (en) 2011-09-23 2011-09-23 Method of indexing and searching digital images

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2011138862/08A RU2510935C2 (en) 2011-09-23 2011-09-23 Method of indexing and searching digital images

Publications (2)

Publication Number Publication Date
RU2011138862A RU2011138862A (en) 2013-04-20
RU2510935C2 true RU2510935C2 (en) 2014-04-10

Family

ID=49151778

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2011138862/08A RU2510935C2 (en) 2011-09-23 2011-09-23 Method of indexing and searching digital images

Country Status (1)

Country Link
RU (1) RU2510935C2 (en)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2633156C1 (en) * 2016-10-12 2017-10-11 Общество с ограниченной ответственностью "Лаборатория ИнфоВотч" Method of automated vector image analysis
RU2633159C1 (en) * 2016-08-26 2017-10-11 Общество с ограниченной ответственностью "Лаборатория ИнфоВотч" Method of automated bitmap analysis
RU2637876C2 (en) * 2013-05-16 2017-12-07 Бэйцзин Цзиндун Шанкэ Информейшн Текнолоджи Ко, Лтд. Method, server device and terminal device for image delivery
RU2679280C1 (en) * 2015-01-09 2019-02-06 Бэйцзин Цзиндун Шанкэ Информейшн Текнолоджи Ко, Лтд. System and method of page displaying
RU2688271C2 (en) * 2014-05-16 2019-05-21 МАЙКРОСОФТ ТЕКНОЛОДЖИ ЛАЙСЕНСИНГ, ЭлЭлСи Image search in natural language

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6026411A (en) * 1997-11-06 2000-02-15 International Business Machines Corporation Method, apparatus, and computer program product for generating an image index and for internet searching and querying by image colors
US6081276A (en) * 1996-11-14 2000-06-27 International Business Machines Corporation Method and apparatus for creating a color name dictionary and for querying an image by color name
RU2393537C2 (en) * 2008-09-02 2010-06-27 Общество с ограниченной ответственностью "Рекогмишн" Method for searching web-pages by combined inquiry

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6081276A (en) * 1996-11-14 2000-06-27 International Business Machines Corporation Method and apparatus for creating a color name dictionary and for querying an image by color name
US6026411A (en) * 1997-11-06 2000-02-15 International Business Machines Corporation Method, apparatus, and computer program product for generating an image index and for internet searching and querying by image colors
RU2393537C2 (en) * 2008-09-02 2010-06-27 Общество с ограниченной ответственностью "Рекогмишн" Method for searching web-pages by combined inquiry

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2637876C2 (en) * 2013-05-16 2017-12-07 Бэйцзин Цзиндун Шанкэ Информейшн Текнолоджи Ко, Лтд. Method, server device and terminal device for image delivery
RU2688271C2 (en) * 2014-05-16 2019-05-21 МАЙКРОСОФТ ТЕКНОЛОДЖИ ЛАЙСЕНСИНГ, ЭлЭлСи Image search in natural language
RU2679280C1 (en) * 2015-01-09 2019-02-06 Бэйцзин Цзиндун Шанкэ Информейшн Текнолоджи Ко, Лтд. System and method of page displaying
RU2633159C1 (en) * 2016-08-26 2017-10-11 Общество с ограниченной ответственностью "Лаборатория ИнфоВотч" Method of automated bitmap analysis
RU2633156C1 (en) * 2016-10-12 2017-10-11 Общество с ограниченной ответственностью "Лаборатория ИнфоВотч" Method of automated vector image analysis

Also Published As

Publication number Publication date
RU2011138862A (en) 2013-04-20

Similar Documents

Publication Publication Date Title
Van De Weijer et al. Learning color names for real-world applications
US8897508B2 (en) Method and apparatus to incorporate automatic face recognition in digital image collections
US8199979B2 (en) Classification system for consumer digital images using automatic workflow and face detection and recognition
US7555148B1 (en) Classification system for consumer digital images using workflow, face detection, normalization, and face recognition
US7551755B1 (en) Classification and organization of consumer digital images using workflow, and face detection and recognition
US6804684B2 (en) Method for associating semantic information with multiple images in an image database environment
EP2164044B1 (en) Method and apparatus for representing a group of images
US5450504A (en) Method for finding a most likely matching of a target facial image in a data base of facial images
US20030231806A1 (en) Perceptual similarity image retrieval
US6563959B1 (en) Perceptual similarity image retrieval method
US7657100B2 (en) System and method for enabling image recognition and searching of images
Stokman et al. Selection and fusion of color models for image feature detection
JP4160305B2 (en) System and method for determining image similarity
KR101346539B1 (en) Organizing digital images by correlating faces
US8732030B2 (en) System and method for using image analysis and search in E-commerce
US6691126B1 (en) Method and apparatus for locating multi-region objects in an image or video database
US9008435B2 (en) System and method for search portions of objects in images and features thereof
US20030018631A1 (en) Information search and retrieval system
US8315442B2 (en) System and method for enabling image searching using manual enrichment, classification, and/or segmentation
US20020078043A1 (en) Image searching techniques
US7809722B2 (en) System and method for enabling search and retrieval from image files based on recognized information
US8712862B2 (en) System and method for enabling image recognition and searching of remote content on display
US20130011056A1 (en) Color naming, color categorization and describing color composition of images
US9171013B2 (en) System and method for providing objectified image renderings using recognition information from images
US7519200B2 (en) System and method for enabling the use of captured images through recognition