TW200818058A - Content based image retrieval - Google Patents
Content based image retrieval Download PDFInfo
- Publication number
- TW200818058A TW200818058A TW096119050A TW96119050A TW200818058A TW 200818058 A TW200818058 A TW 200818058A TW 096119050 A TW096119050 A TW 096119050A TW 96119050 A TW96119050 A TW 96119050A TW 200818058 A TW200818058 A TW 200818058A
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- images
- australia
- query
- feature
- Prior art date
Links
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Description
200818058 九、發明說明: 【發明所屬之技術領域】 本發明有關一種影像檢索之搜尋工具,尤其有關一種以 影像内容為根據之影像檢索方法。 【先前技術】 資訊時代面臨的最大挑戰之一即是從可以存取的巨量 資訊中,尤其是經由全球資訊網,識別所需的資訊。現今已 發展與運用了為數眾多以本文為根據的搜尋引擎。其中最廣 為人知的大眾化搜尋引擎,是使用關鍵字搜尋以檢索全球資 訊網的網頁。這些引擎包括(^00§1#與Yah〇〇®。 雖然說一幅畫勝過千言萬語,但是影像檢索科技的發展 程度卻不及根據本文的檢索科技。要從大批收集的影像中檢 索某些影像,迄今仍是一項重大的難題。使用者透過瀏覽從 大量縮圖資料選取所要的影像,已不再符合實用的原則。例 如,就在撰寫本篇文字之時,想要搜尋“雪梨歌劇院” (Sydney Opera House)這麼簡單的東西,結果卻要在 Google®的圖片搜尋中點擊26000次。 對於要從大量影像資料中檢索某一特定的影像,現有的 解決辦法涉及二個相關的問題:第一,所有影像必須以某種 方式編入索引(編索);第二,必須建構查詢(query ”第 二’查询結果必須以相關的方法呈現。過去,影像經過編索 200818058 後’可使用關鍵字搜尋,搜尋結果則使用某種相關度度量的 形式呈現。此種途徑充滿困難,因為關鍵字的配置通常需要 人類給予標簽,這是-個費時的處理,而且許多影像可以用 多個關鍵字描述。 另一種途徑是使用語意學分類法,例如Wang等人在 2001 年 9 月之 IEEE Transactions on Pattern Analysis and
Machine Intelligence期刊23卷第g期刊載之論文 SIMPLIcity: Semantics-Sensitive Integrated Matching f〇r Picture Libraries” (簡易性:圖庫之語意 學敏感性整體匹配)中曾有說明。此篇論文說明 一種以區域 為根據的檢索系統,其中使用顏色、紋理、形狀及位置來表 示區域的特徵。此系統將影像分類成多個語意類別,諸如有 紋理一無紋理、圖表一照片等。然後根據一個整合了各影像 中所有區域之特性的區域匹配表,建構一種相似度度量,用 以檢索影像。Wang等人之論文亦包括一份頗有助益的概要, 說明已往以内容為根據的影像檢索技術。
Jacobs 等人之論文 “Fast Mutliresolution Image Query i ng”(快速多重析像影像查詢)(刊載於proceed丨ngs of SIGGRAPH 95, In Computer Graphics Proceedings, Annual Conference Series, 1995, ACM SIGGRAPH,New York, 1995)中說明另一種預處理途徑。在此途徑中,使用小波分 6 200818058 解(wavelet decomposition)替一資料庫中的每一影像建 構多個特徵標記(signature)。使用相同的程序取得一查詢 • 影像之特徵標記。然後使用查詢特徵標記存取該影像資料廑 的各個特徵標記及-個用以選擇具有類似特徵標記之圖像 的度量。此種途徑的問題在於必須預處理所有可搜尋的影 像,以便導出特徵標記。
Iqbal與Aggarwal在2003年9月24-26日於佛羅里達 η 邁亞密舉行的第六屆國際視覺資訊系統大會中發表論文 “Feature Integration, Multi-image Queries and
Relevance Feedback in Image Retrieval” (像檢索中的 特徵整合、多重影像查詢及相關度回授),其中調查與研究 了特徵整合對檢索精確度之影響。他們從一個包括1〇221個 影像的資料庫中的影像提取出結構、顏色及紋理上的特徵。 … 然後分別使用純結構、純顏色、純紋理、顏色加紋理、及结 ❹ 構加顏色與紋理五種標準量測檢索效能。關於影像檢索,他 們使用德州Austin大學發展的CIRES (Content-based Image REtrieval System—根據内容的影像檢索系統)。或 許並不令人f牙異,他們發現使用結構加顏色與紋理的標準 時,影像檢索最有效。他們也發現,使用多重查詢影像可產 生較有效的影像查詢。 此外,Iqbal與Aggarwal也調查研究了透過相關度回 200818058 授的使用者簡所具有的效益。減度回授允許使用者在初 始查相錄料,從大批影像指ώ較的、否定的、及不 、像查"旬可依照使用者回授加以修改並重新執行。 目授使影像檢索錢著的改善。 雖然近來有關影像檢索的先前技術偏向從全球資訊網 檢索影像的問題,但是專精此類技術之人士可以理解,這個 門題並非與貞料倉儲(datastQre)的性質相依。相同的先 月j技術係與k個人電腦上的區域影像倉儲選取影像相關。 【發明内容】 本I明之目的在於提供一種以内容為根據的影像搜尋 方法。 本發明其他目的可峨町制而趨於明顯。 廣義而5 ’本發财關—種從—組影像巾提取若干影 的方法,其包括以下步驟: •從-或多個選取的影像提取—組特徵,用以建構一查詢 内之特特徵與該組影像 建構一相異度度量,作為查詢集 特徵間的距離加權求和,·及 顯示具有最低相異度度量之影像。 不 較佳是’該加權求和使用從該查m導出的加權值 本發明最料-步包細下步驟:__影像之顯 200818058 順序。影像可從最低相異度依升序排序,漸增相 亦可採用其他财方法,例如錢从、年齡、槽名等: 【實施方式】 乂下口兒明本發明$同具體實施例時,相同特徵均丘 同的參考標號說明。 本發明方法之目標是根據影像之特徵内容與使用者之 查詢概念來齡影像。使用者之錢概念是從使用者供應的 或選取的影像細自料㈣。為達献目標,本發明使用 一種創新的方法提取多個影像視覺特徵的感知重要性,並使 用-種高計算效率加權線性相異度度量輸缝速且精確的 檢索結果。 在各種多重影像查詢系統中,查詢是指—組範例影像 工ql,Iq2f,¾}。這組範例影像之數目沒有限制,包 括:個。先前技術中有許多是根據單—查詢影像建構查二 但是本發明之較佳途徑可允許錢者提供至少二個,最好三 個影像。使用者供應的影像可以直接從—㈣庫選取,或者 可以經由習崎像搜尋確認之,諸如個前述的㈣1 片。 ° /以下列說明而言,目標影像集(有時稱為影像資料庫) 係定義為T=Um:㈣,2,...,Μ}。查詢標準細查詢集轉 目標影像集内某一影像马間的相似度量測s①,乃)表示 200818058 之。查询系統⑽,s,巧是查詢集Q對目標影像集了之一 排列rp根據相似度Jj;的映射,其中, W=1,2…叫是-局部有序集,因而使⑽ >W。原則上’各種排列是整個資料庫的排列,·實 際上’僅對最高等級的輪岐像給予評估。 第1圖概述本發明以内容細細影像檢索方法。以下 將更詳盡職本綠。本方法從查i )開始。特徵提 取程序⑵巾’使用-種特徵描寫工具組(3)提取一組 特徵;特徵描寫工具組(3)可為各種周邊廠崎徵描寫工 具中的任-種’包括以上提過的㈣工具。域從提取的特 徵形成一查詢(4)。 。人可以將查询想成一種理想化的影像’建構此種影像 的目的是為了代表查詢㈣的各影像。 本發明的主要層面之-是相異度度量(5)的計算,將 此度量應期目標影像集⑹,用以識職形成查詢之該 組特徵具有_性的影像。紐進行這蝴_果等級排 列(7 ) ’並呈現結果影像給使用者(8 )。 特徵接取 旦/寺徵提取程序將查詢建立在影像的低階結構描述上。— 象標的了可用一 έ牲 、、且特徵4: ,2,…,叭來描述。备 特徵用一 曰 、、择没向1 XpUl,X2,".,Xkn}來表示,其 200818058 71個特徵提取是從影 中 X~ieL〇,4,」(1;只,只是實數。第 像1對特徵向量的映射,表示如下:
Kn^fn(I) 本發明並不限定提取任何特別的特徵組。各種視1 覺特 徵,諸如顏色、紋理或臉部特點,均可使用。周邊麵的視 覺特徵提取工具可以插入本系統。
例如,目前普遍使用的贿_7視覺工具即可適合使 用’ MPEG-7顏色配置描述器(c〇1〇r㈣她如%咖恤, CLD)疋-種非常小敎崎度不賴顏色表現工具,適於 局速影像檢索。它只使用8x8 DCT (離散餘弦轉換)的12 個係數描述來自三組的内容(亮度用六個,每一色度用三 個)’表示如下: X’ …,…,Y6i Cbl,Cb2, cb3, Cri, Cr2,㈤(2) G 7邊緣直方圖描述器(EdgeHiSf〇gramDescript〇r, EHD)使用80個直方圖二進位(bins)描述來自16個次影 像的内容’表示如下: X刪二(hlfh2r···,、) ⑶ 雖;」MPEG 7工具組極為有用,但本發明並不限於使用 此組特徵提取q。從先·術可以 顯然看出,有多種特徵 提取工具都可根據諸如顏色、色調、亮度、結構、紋理、位 置等特徵描述影像的特徵。 11 200818058 如上所述,本發明可應用於—組臉部特徵,以便從-臉 Γ轉庫識鄕—種臉部。特徵提取程序可以提取臉部特 Γ諸如兩目_距離、兩眼的顏色、鼻子的寬度、嘴巴的 大小等等。
_吏2的查_念是収用者選取的範娜像暗 2徵域模組產生-個從範例影料出的虛《询影像特 形成—影像的多個特徵,其融合可表示如下: ㊉...·㊉之) 對於—組查詢影像而言,其特徵的融合為: 丨=(乂㊉X2㊉….㊉,) ^特徵形成係暗示—理想化的影像,它是转η鱼咖 特徵提取步驟^— 〜像匕疋特徵集内用於 個特η 中的母—特徵經過加權建構而成的 加權值是: 寸程文X/的力口避^In · (4) (5) 應用於第 (6) 的加權總和: ^ΛΑίΐ (7) 特徵度 量空間^是一個心-維度向量空間#有邊界的 200818058 封閉凸子集。鼠,_向量料均輯區岐 -個特徵向量。這是__查_物法的二二 =平均賊向量可能無法理想代表其他顧向量。例如,= 色次」可能無法理想代表顏色「白」與顏色「黑」。^ 若是多重影像查詢的情況,則測量查影像集
Iql,Iq2'……,Ig〇}與一影像Γ#Γ之間的距離,如下所干. •Μ(“,_···,认) — (8) 本發明使肋多個_舰距離加權杯表示的 數,如下所示: 幽 Μ (9) 此方程式計算的量測是查詢與被查鱗徵^ 的距離度量d之加權求和。 曰 加權值%是使用方程式⑹根據查詢集而更新的。例如, 使用者可能想栽咖色鮮糾汽車影像。舰上以本 據的搜尋細綠卜因知「汽車」為錢,將會檢索所有乂 任何顏色的汽車,而以「鮮盤汽車」為查詢,則只會檢索*用 廷些字組說明的影像,而這樣是不可能成功的。然而,以曰「气 ^進行的初财域尋會财—大串不_型與顏色的汽 車。當使用者選擇-個含多數鮮懿影像的查詢集時,查詢特徵 形成給予亮度特徵_重值會A於給州如顏色或紋理的權 重值。另-方面,若使用者要朗是藍色的汽車,職僅從藍 13 200818058 色π車&擇查5轉。查鱗徵形成對特徵腕及對藍色色調給 予的權重齡大於給予亮度級理_重值。 在每N況中’相異度計算決定一相似度值,使用者選取 的查為木特徵中即以之為基礎;並不需要要求制者定義一組 要搜尋的蚊特徵。耻可以轉,這是—種比先前技術中所 使用的途徑更屬直覺的影像搜尋途徑。 結果等級排列 <職鱗鄉賴棘的影像,可雜錢地根據相關 又’、’及排赚顯不。魏種方法可以將輸丨的影像分等級排 ^而本㈣並不限於任何特定的處理方法。其卜種頗為方 二使用以上說明過的相異度量測。亦即,相異度最低 的影像最先齡,隨後顯示相異度較高的影 個/ 了某—影像數目為止。通常,或許會顯示二十 個相異度最低的影像。
:查,像集與資料庫内一嗎像間的距離定義如 ,沒疋通常在度量空間時定義距離的方式。 4Q^y)=min{d(Xg^.)j 用方程式(10)所定義的量測,其 (〇) 影像會類純觸像之_,這是檢t ^等級的 原型杳_情、射向度職的;而在 加h况中,㈣雜的影像會類似—具 聲這個繼_她猶軸像。崎大= 14 200818058 用中,皆可對使用者提供較好的經驗。 實例一 本發明曹使用由Apache 了㈣扣⑧網站應用伺服器支援的 Java Servlet及javaSever頁面技術,進行示範性實施,它 經由字為根翻商鮮彡像搜尋服務(諸如6。〇咖@或 Yahof),在網際網路(Internet)上以影像内容為根據的方 式搜尋影像。目_實施方法可制任何全球魏網劉覽器 (諸如 Explorer 或 M〇zilla/Fireb〇x)加以存取, 而且包括-個3步驟的處理,即可從網際網路搜尋影像。 為了不範本發明哺作方式,紐本發明顧在先前所述 使用Google⑧lmages尋找一幀雪梨歌劇院影像的實例中。 1) 步驟一:以關鍵字為根據的搜尋,如第2圖所示。經 由一個以本文為根據的影像搜尋服務,使用 關鍵字從網際網路檢索影像,以形成一個初 始影像集,如第3圖所示。 2) 步驟二:從初始搜尋結果選取範例影像,如第4圖所 示。選取使用者想要搜尋的影像範例時,從 依據關鍵字搜尋而呈現在使用者面前的結 果中,點擊所要的影像勾選框。 3) 步驟二·使用從樣本影像建構的查詢,進行所有影像 的搜尋。所呈現的搜尋結果會以根據相似度 200818058 度1作等級排序,如第5圖所示。 從乂上貝例可以看出’第5圖所示的結果影像集全部具有 相關度’而第3圖所不的影像則包括可疑相關度的影像。 實例二 •本發明可以整合到不同的桌面職管理程式中 ,諸如
Windows _lorer%戈 Mac 〇s χ ,此二者目前_劉 覽影像擒的能力’並可根據影像播名及其他檔案屬性(諸如大 小、_麟)將影像分轉理。第6 _㈣-典型的以 縮圖方式赫嶋嶋。使物咖麵所需影像 _來選取數個影像,_建構查詢集⑴。在第7圖所 示的實例中,使用者選取的爭 歌劇院。 4以雪梨港大橋作背景的雪梨 接著,使用者執行影像檢令 一樣方便料人實施。在第6 ’此程式可像插入式器具 擊勾選圖記⑴cklron) 9=7W中,是在爛上點 結論 M9)來起動本發明的。 方法與先前技術系統比較 上述以内容為根據的影像檢索 時,具有許多優點,其中包括:μ *可從使用者範例中自動導 *搜尋過程為直覺性;W重要除, 氺 使用者不必選擇特徵 t權重值; 200818058 *使職括性加觀性相異度度量,可顧所有特徵; *加權值產生與補度公式之計算效率高,可極快速輸 出檢索結果; *特徵提取工具為可插人型,標準的朗邊廠商的特徵 描寫工具均可整合到本發明架構申; *使用者不須供應反例。 本說明書整體之目的在本發明,並不以任何交替性 特徵的特定組合來限制本發明。 【圖式簡單說明】 特參照以下圖式說明本發明若干較 為協助理解本發明, 佳實施例: 第1圖.為-流程圖’顯示以内容為根據的影像檢索方法之 主要步驟。 第2圖:為顯示—峨面’舉侧本精-應用例作 為起點之初始搜尋。 第3圖:為顯示—螢幕晝面,舉例說明從初始搜尋得到的一 組影像。 第4圖:為顯示第3圖所示螢幕畫面中有三個影像被選取以 形成查詢集。 苐5圖··為顯示一螢幕金 # . 跫恭旦面’其中為使用本發明以内容為根 據之影像檢索結果。 200818058 第6圖:為顯示一螢幕晝面,其中為一目錄内的影像縮圖。 第7圖:為顯示第6圖所示螢幕畫面中有三個影像被選取, 以形成一查詢集。 【主要元件符號說明】 (1 )..... · ••查詢集 (2 )......特徵提取程序 (3) .....特徵描寫工具組 (4) ........查詢形成 (5) .......相異度度量 (6) ......•目標影像集 (7) ......結果等級排列 (8 ) · ·呈現結果影像給使用者 (9)........勾選圖記 18
Claims (1)
- 200818058 十、申請專利範圍·· 法’包括以下步驟: 組特徵,藉以建構一 1·一種從一組影像提取若干影像之方 從一或多個選取的影像提取一 查詢集; 詢集内之特徵與該組 心像内各影像特徵之間的距離加權求和;以及 顯示相異度度量最小之各影像。 2::請專Γ範圍第1項所述之方法,其十該查詢集係從 至/一個影像提取的。 3r=rfi瓣術,㈣查詢集係使 用一種特徵描寫工具組提取的。 4.如申請專利範圍第1項所述之方法,其中該查詢集係使 用影像之低階結構描述提取的。 5料利朗項所述之方法,其中該等特徵係從 一或夕個親、_、色調、亮度、轉 特徵選取的。 概1 6.如申請專利範圍第1項所述之方法,其中該查詢集為一 理想化影像’建構作為該組特徵之加權總和。 7 ·如申請專剩第6項所述之方法,財該理想化影像 為· = ^Wixi / 其中,&為-特徵,而W為應用於該特徵的權重值。 19 200818058 8 9 .如申請專利範圍第工項所士1之方去,其中該加權求和使 用仗"亥查峋集導出的權重值。 如申請專利範圍第1項所 之方法,其中該相異度度量 · 10 11 1 2 13 ί —1 .如申請專利範圍第!項所述之 驟:排列顯示影像的顯示順序。 g以下步:::圍第一法’其一 :::::多個電腦可―,可於執行 從或夕個選取的影像提取一組特徵, 一查詢集; 建構一相異度度量,作為該查詢集内之特徵與該 、'且〜像内各景彡像特徵之間_離加權求和;以及 顯示相異度度量最低之各影像。 述之之軟趙,該軟體可於 相異度朗财,排列 藉以建構 20 200818058 七、指定代表圖: , (一)本案指定代表圖為:第(1 )圖。 (二)本代表圖之元件符號簡單說明: (1 ).........查詢集 (2 )......特徵提取程序 (3 ).....特徵描寫工具組 (4) ........查詢形成 (5) .......相異度度量 (6) .......目標影像集 (7) ......結果等級排列 (8 ) · ·呈現結果影像給使用者 (9)........勾選圖記 八、本案若有化學式時,請揭示最能顯示發明特徵的化學式: I 4 200818058^ —一—::: 發明專利說明書 (本說明書格式、順序及^體字,請勿任意更動,※記號部分請勿填寫) ※申請案號:彳匕 ※申請日期: 糸1卩(:分類: 一、 發明名稱:(中文/英文) ^ (2006.01) 以内容為根據之影像檢索方法與軟體/C0NTENT based IMAGE RETRIEVAL 二、 申請人··(共1人) ( 姓名或名稱:(中文/英文) 臥龍岡大學/University of Wollongong 代表人··(中文/英文)1 ·雷葉/Lei Ye 2.瑪格利特·雪爾/Margaret Shei 1 住居所或營業所地址:(中文/英文) 澳洲新南威爾斯省2522臥龍岡,北地大道/ Northfields Avenue WOLLONGONG New South Wales 2522 Australia 國籍··(中文/英文)澳洲/Australia 三、 發明人:(共2人) 姓名:(中文/英文) 1·非利普奥岡妹波納/Phi 1 ip Ogunbona 澳洲新南威爾斯省2525菲格屈,華良大道68號/68 Wala Avenue,FIGTREE,2525, New South Wales,Australia 2.雷葉/Lei Ye 澳洲新南威爾斯省2521北岩,蘇菲亞閣3號/3 Sophia Court, NORTH ROCKS, 2151, New South Wales, Australia 國籍:(中文/英文) 澳洲/Australia
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
AU2006902880A AU2006902880A0 (en) | 2006-05-29 | Content based image retrieval |
Publications (1)
Publication Number | Publication Date |
---|---|
TW200818058A true TW200818058A (en) | 2008-04-16 |
Family
ID=38778013
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW096119050A TW200818058A (en) | 2006-05-29 | 2007-05-29 | Content based image retrieval |
Country Status (15)
Country | Link |
---|---|
US (1) | US20100017389A1 (zh) |
EP (1) | EP2030128A4 (zh) |
JP (1) | JP2009539152A (zh) |
KR (1) | KR20090035486A (zh) |
CN (1) | CN101460947A (zh) |
AU (1) | AU2007266331A1 (zh) |
BR (1) | BRPI0712728A2 (zh) |
CA (1) | CA2652714A1 (zh) |
IL (1) | IL195401A0 (zh) |
MX (1) | MX2008015175A (zh) |
NO (1) | NO20085305L (zh) |
RU (1) | RU2008152075A (zh) |
TW (1) | TW200818058A (zh) |
WO (1) | WO2007137352A1 (zh) |
ZA (1) | ZA200810005B (zh) |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100970121B1 (ko) * | 2009-12-24 | 2010-07-13 | (주)올라웍스 | 상황에 따라 적응적으로 이미지 매칭을 수행하기 위한 방법, 시스템, 및 컴퓨터 판독 가능한 기록 매체 |
JP2011221606A (ja) * | 2010-04-05 | 2011-11-04 | Sony Corp | 情報処理方法及びグラフィカルユーザインタフェース |
US10108620B2 (en) | 2010-04-29 | 2018-10-23 | Google Llc | Associating still images and videos |
US9047319B2 (en) | 2010-12-17 | 2015-06-02 | Microsoft Technology Licensing, Llc | Tag association with image regions |
US9229956B2 (en) | 2011-01-10 | 2016-01-05 | Microsoft Technology Licensing, Llc | Image retrieval using discriminative visual features |
US8589410B2 (en) * | 2011-10-18 | 2013-11-19 | Microsoft Corporation | Visual search using multiple visual input modalities |
CN102368266B (zh) * | 2011-10-21 | 2013-03-20 | 浙江大学 | 一种用于网络搜索的无标注图片的排序方法 |
CN102682084A (zh) * | 2012-04-11 | 2012-09-19 | 中国科学院上海光学精密机械研究所 | 基于htm算法的图像检索系统及其图像检索方法 |
US9274678B2 (en) * | 2012-09-13 | 2016-03-01 | Google Inc. | Identifying a thumbnail image to represent a video |
US9081822B2 (en) * | 2013-03-15 | 2015-07-14 | Sony Corporation | Discriminative distance weighting for content-based retrieval of digital pathology images |
WO2014167880A1 (ja) * | 2013-04-09 | 2014-10-16 | 株式会社日立国際電気 | 画像検索装置、画像検索方法、および記録媒体 |
CN104283842B (zh) * | 2013-07-02 | 2019-06-25 | 中兴通讯股份有限公司 | 主题管理方法及系统 |
CN103440646B (zh) * | 2013-08-19 | 2016-08-10 | 成都品果科技有限公司 | 用于颜色分布和纹理分布图像检索的相似度获取方法 |
JP6027065B2 (ja) * | 2014-08-21 | 2016-11-16 | 富士フイルム株式会社 | 類似画像検索装置、類似画像検索装置の作動方法、および類似画像検索プログラム |
JP6491581B2 (ja) * | 2015-10-06 | 2019-03-27 | キヤノン株式会社 | 画像処理装置およびその制御方法ならびにプログラム |
US10346476B2 (en) | 2016-02-05 | 2019-07-09 | Sas Institute Inc. | Sketch entry and interpretation of graphical user interface design |
US10650045B2 (en) | 2016-02-05 | 2020-05-12 | Sas Institute Inc. | Staged training of neural networks for improved time series prediction performance |
US10795935B2 (en) | 2016-02-05 | 2020-10-06 | Sas Institute Inc. | Automated generation of job flow definitions |
US10650046B2 (en) | 2016-02-05 | 2020-05-12 | Sas Institute Inc. | Many task computing with distributed file system |
US10642896B2 (en) | 2016-02-05 | 2020-05-05 | Sas Institute Inc. | Handling of data sets during execution of task routines of multiple languages |
US10872113B2 (en) | 2016-07-19 | 2020-12-22 | Hewlett-Packard Development Company, L.P. | Image recognition and retrieval |
US10176202B1 (en) * | 2018-03-06 | 2019-01-08 | Xanadu Big Data, Llc | Methods and systems for content-based image retrieval |
US11379516B2 (en) | 2018-03-29 | 2022-07-05 | Google Llc | Similar medical image search |
US10191921B1 (en) | 2018-04-03 | 2019-01-29 | Sas Institute Inc. | System for expanding image search using attributes and associations |
US11126649B2 (en) | 2018-07-11 | 2021-09-21 | Google Llc | Similar image search for radiology |
AU2018431593A1 (en) | 2018-07-11 | 2021-02-04 | Google Llc | Similar image search for radiology |
US11921831B2 (en) * | 2021-03-12 | 2024-03-05 | Intellivision Technologies Corp | Enrollment system with continuous learning and confirmation |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5579471A (en) * | 1992-11-09 | 1996-11-26 | International Business Machines Corporation | Image query system and method |
US5893095A (en) * | 1996-03-29 | 1999-04-06 | Virage, Inc. | Similarity engine for content-based retrieval of images |
US6463432B1 (en) * | 1998-08-03 | 2002-10-08 | Minolta Co., Ltd. | Apparatus for and method of retrieving images |
US7016916B1 (en) * | 1999-02-01 | 2006-03-21 | Lg Electronics Inc. | Method of searching multimedia data |
US6606623B1 (en) * | 1999-04-09 | 2003-08-12 | Industrial Technology Research Institute | Method and apparatus for content-based image retrieval with learning function |
US6859802B1 (en) * | 1999-09-13 | 2005-02-22 | Microsoft Corporation | Image retrieval based on relevance feedback |
US6748398B2 (en) * | 2001-03-30 | 2004-06-08 | Microsoft Corporation | Relevance maximizing, iteration minimizing, relevance-feedback, content-based image retrieval (CBIR) |
US6834288B2 (en) * | 2001-04-13 | 2004-12-21 | Industrial Technology Research Institute | Content-based similarity retrieval system for image data |
US6901411B2 (en) * | 2002-02-11 | 2005-05-31 | Microsoft Corporation | Statistical bigram correlation model for image retrieval |
US7065521B2 (en) * | 2003-03-07 | 2006-06-20 | Motorola, Inc. | Method for fuzzy logic rule based multimedia information retrival with text and perceptual features |
-
2007
- 2007-05-29 CA CA002652714A patent/CA2652714A1/en not_active Abandoned
- 2007-05-29 US US12/302,182 patent/US20100017389A1/en not_active Abandoned
- 2007-05-29 AU AU2007266331A patent/AU2007266331A1/en not_active Abandoned
- 2007-05-29 WO PCT/AU2007/000746 patent/WO2007137352A1/en active Application Filing
- 2007-05-29 RU RU2008152075/09A patent/RU2008152075A/ru not_active Application Discontinuation
- 2007-05-29 MX MX2008015175A patent/MX2008015175A/es not_active Application Discontinuation
- 2007-05-29 BR BRPI0712728-6A patent/BRPI0712728A2/pt not_active Application Discontinuation
- 2007-05-29 JP JP2009512370A patent/JP2009539152A/ja not_active Withdrawn
- 2007-05-29 KR KR1020087030853A patent/KR20090035486A/ko not_active Application Discontinuation
- 2007-05-29 TW TW096119050A patent/TW200818058A/zh unknown
- 2007-05-29 CN CNA2007800196299A patent/CN101460947A/zh active Pending
- 2007-05-29 EP EP07718991A patent/EP2030128A4/en not_active Withdrawn
-
2008
- 2008-11-20 IL IL195401A patent/IL195401A0/en unknown
- 2008-11-25 ZA ZA200801005A patent/ZA200810005B/xx unknown
- 2008-12-18 NO NO20085305A patent/NO20085305L/no not_active Application Discontinuation
Also Published As
Publication number | Publication date |
---|---|
BRPI0712728A2 (pt) | 2013-01-08 |
WO2007137352A1 (en) | 2007-12-06 |
ZA200810005B (en) | 2009-07-29 |
AU2007266331A1 (en) | 2007-12-06 |
JP2009539152A (ja) | 2009-11-12 |
EP2030128A4 (en) | 2010-01-13 |
EP2030128A1 (en) | 2009-03-04 |
CN101460947A (zh) | 2009-06-17 |
CA2652714A1 (en) | 2007-12-06 |
MX2008015175A (es) | 2009-04-23 |
IL195401A0 (en) | 2009-08-03 |
NO20085305L (no) | 2009-02-20 |
RU2008152075A (ru) | 2010-07-10 |
US20100017389A1 (en) | 2010-01-21 |
KR20090035486A (ko) | 2009-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW200818058A (en) | Content based image retrieval | |
US9372920B2 (en) | Identifying textual terms in response to a visual query | |
JP5309155B2 (ja) | イメージ検索における対話型概念学習 | |
Simon et al. | Scene summarization for online image collections | |
US7548936B2 (en) | Systems and methods to present web image search results for effective image browsing | |
JP4768073B2 (ja) | 初期クラスタセンタセット選択方法、ウエーブフロントクラスタリング方法 | |
US20080226174A1 (en) | Image Organization | |
WO2015051629A1 (zh) | 图片排序方法及装置 | |
JP2009509215A (ja) | 画像データベースでのナビゲーション、視覚化、及びクラスタ化のための相互ランク類似度空間 | |
Yang et al. | Prototype-based image search reranking | |
JP2007080061A (ja) | Webページの検索方法及びWebページのクラスタリング方法 | |
JP2007080061A5 (zh) | ||
Indu et al. | Survey on sketch based image retrieval methods | |
van den Broek et al. | Human-centered content-based image retrieval | |
Olivares et al. | Boosting image retrieval through aggregating search results based on visual annotations | |
Mironica et al. | Fisher kernel based relevance feedback for multimodal video retrieval | |
JP2004240887A (ja) | 検索情報表示システム及び検索キーワード情報表示方法及び検索キーワード情報表示プログラム | |
Li et al. | A new algorithm for product image search based on salient edge characterization | |
Rabbath et al. | Multimedia retrieval in social networks for photo book creation | |
Ardizzone et al. | Clustering techniques for personal photo album management | |
Zheng et al. | Compounded Face Image Retrieval Based on Vertical Web Image Retrieval | |
Zinger et al. | Clustering and semantically filtering web images to create a large-scale image ontology | |
Lin et al. | Concept indexing and expansion for social multimedia websites based on semantic processing and graph analysis | |
Wang et al. | Composition based semantic scene retrieval for ancient murals | |
Sari et al. | A neural re-ranking method for searching ancient Arabic documents on the Web |