第十二章影像资料库检索.ppt

* 第十二章影像資料庫檢索 * 內容 12.1 前言 12.2 色彩檢索法 12.3 邊紋理檢索法 12.4 區域關係檢索法 12.5 圖論式檢索法 12.6 植基在彩度動差的檢索法 12.7 結論 * 12.1 前言 影像檢索之目的在於提供快速且強健式的方法以提供用戶能有效達到影像檢索的需求。影像檢索的方法雖然很多，大致說來，不外乎植基於內容(Content-based)的影像檢索法，它們分別是： 植基於色彩 植基於紋理 植基於圖論模式 植基於彩度動差 * 12.2 色彩檢索法 範例1:[1]何謂色彩影像檢索法？ 解答：若查詢影像Q已經被轉換為一色彩柱狀圖(Color Histogram)且影像資料庫中的任一張影像的色彩柱狀圖皆已轉換好。介於兩個色彩柱狀圖之間的斜線區域代表兩張影像的相似度(Similarity)。斜線區域面積愈小代表兩張影像的相似度愈高。 圖12.2.1 兩張影像的色彩柱狀圖 * 八分樹(Octree)[2]被用來表示影像的彩色資訊。 y z x * 八分樹表示法。 * 範例3: 可否給一小例子以解釋何謂八分樹的色彩檢索法?解答:給定 。因為 、 、 ，所以可用011代表這些彩色的範圍，011位於八分樹的樹根之下一層的孩子點上。從這些孩子點往下走訪到下一層編號為001的節點上。依此次序一直走訪到第八層，途中經過的路徑可表示為:該路徑可表示成圖12.2.2。 * 圖12.2.2 所對應的路徑 * 愈上層的節點給予較高的加權，因為表示是主色。 而每個彩色像素都可用一路徑儲存它。由於分佈不平均，我們不需要完整八分樹，這時可將八分樹由下往上縮減，降低記憶體需求。而進行影像檢索時，將待查詢的影像轉換成減縮式的八分樹，再將其和影像資料庫中的各個八分樹取交集，交集越多相似度就越高。最後再由相似度高低排出檢索結果。 解答完畢 * 12.3 邊紋理檢索法 (Edge Texture) 首先，取得輸入影像的邊圖(Edge Map) (a) 夕陽下的船 圖12.3.1 一個輸入的例子 (b) 得到的邊圖 * 五種特徵： 圖12.3.2 注水時間的例子 注水時間(Filling Time) ? 11 分岔數(Fock Count) ? 3 迴圈數(Loop Count) ?1 水流量(Water Amount) ?15 框住物體的最小長方形的寬和高 ?4和6 利用以上五種特徵，可將輸入的邊圖統計出注水時間柱狀圖、分岔數柱狀圖和迴圈柱狀圖等，以方便在影像資料庫的檢索工作。這些柱狀圖的比對工作很類似於色彩柱狀圖的比對工作。 * 圖12.3.3 一個影像檢索的例子 (a) 第一順位得到的影像 (b) 第二順位得到的影像 (c) 第三順位得到的影像 * 12.4 區域關係檢索法 建立影像資料庫時，每張影像需要先得到其區域及記錄區域之間的彼此關係。可利用第四章的區域分割技巧搭配區域的質心等性質予以完成。 圖12.4.1(a) 為原影像，而圖12.4.1(b) 為影像內區域間的關係樹圖。 (a) 原影像 (b) 區域間的關係樹 圖12.4.1 區域間關係 * 進行查詢時，我們比對區域和區域間關係來檢索影像。有了區域間的關係，可以類似於深先表示式的空間資料結構(參見第九章)來表示之。例如圖12.4.1(b) 可表示成 ((A1A2))，這裡A1代表黑色三角形及其屬性，而A2代表黑色圓形及其屬性；左括弧 ( 表示經過內部節點，而右括弧 ) 則表示結束時該內部節點再次被拜訪到。 兩個區域R和R?顏色相似度可表示為 這裡平均值U=U紅、U綠 和 U藍 與標準差σ=σ紅、 σ綠和σ藍。 * 形狀相似度可表示為 C(R)代表區域R的質心，而C(R?)代表區域R?的質心。當然讀者可引入更多的幾何特徵以提高形狀相似度的強健性。 給定一待查詢影像，首先將其轉換成關係深先表示式，然後將其和影像資料庫中的各個關係深先表示式相比，若彼此匹配的程度愈高代表相似度愈高，檢索出來的機會越高。 * 12.5 圖論式檢索法 圖12.5.1 簡單的例子 圖12.5.1中， 代表臉部； 代表左眼，而 代表右眼。現在考慮物件的周長和物件之間的水平角度可進一步增加檢索的考慮面。令周長為 L，而水平角度為θ，這裏θ的範圍介於0和1之間。例如： 和