Силуети кольору та яскравості зображень для їх класифікації та пошуку

2010;
: pp. 273 - 280
Authors: 

Р. Мельник, Ю. Каличак

Національний університет «Львівська політехніка», кафедра програмного забезпечення

Для зменшення часових затрат пошуку зображень у базах даних великих розмірів запропоновано підхід, що ґрунтується на визначенні силуетів яскравості зображень різних типів: фронтального та бічного для двох видів яскравості. Подальше приско- рення пошуку відбувається за рахунок заміни кривих силуетів поліноміальними функціями чебишовського типу. Додатковою ознакою є відстань до піків силуетів. Як приклади практичних даних використано зображення із відомих баз образів. Критеріями прийняті силуети та відстані до них.

An approach to find different types of a pattern brightness silhouettes which then are being replaced by polynomial coefficients of approximation functions is considered. Coefficients and silhouette diagrams of visual patterns were tested as image features for searching them in the databases.

  1. Swain M.J., Ballard D.H. Color indexing, International journal of Computer Vision, vol. 7, n. 1, p. 11– 32, 1991.
  2. Nezamabadi-pour H., Kabir E. Image retrieval using histograms of unicolor and bicolor blocs
  3. Mokhtarian F., Abbasi S. Shape similarity retrieval under affine transforms, Pattern Recognition, vol. 35, p. 31– 41, 2002.
  4. Jain A.K., Vailaya A. Image retrieval using color and shape, Pattern Recognition, vol. 29, n. 8,p. 1233–1244, 1996.
  5. Manjunath B.S., Ma W.Y. Texture feature for browsing and retrieval of image data, IEEE PAMI, vol. 8, n. 18, p. 837–842, 1996.
  6. Smith J.R., Li C.S.Image classification and querying using composite region templates, Academic Press, Computer Vision and Understanding, vol. 75, p. 165–174, 1999.
  7. Wang J.Z., Li J., Wiederhold G. SIMPLIcity: semantic sensitive integrated matching for picture libraries, IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 23, n. 9, p. 947–963, 2001.
  8. Yoo H.W., Jung S.H., Jang D.H., Na Y.K. Extraction of major object features using VQ clustering for content-based image retrieval, Pattern Recognition, vol. 35, p. 1115–1126, 2002.
  9. Burl M.C., Weber M., Perona P. A probabilistic approach to object recognition using local photometry and global geometry, Proc. European Conf. Computer Vision, p. 628–641, 1998.
  10. Wang J.Z., Fishler M.A. Visual similarity, judgmental certainty and stereo correspondence, Proc. DARPA Image Understanding Workshop, 1998.
  11. База 1000 тестових зображень (Wang) http://wang.ist.psu.edu/~jwang/test1.tar (2009).