1. SCSIT
  2. Всі випуски
  3. Випуск 694, 2011
  4. Структурні ознаки зображень на основі тривимірної фрагментації поверхні інтенсивності

Структурні ознаки зображень на основі тривимірної фрагментації поверхні інтенсивності

SCSIT.
2011;
Випуск 694
: cc. 281 - 286
Authors: 

Р. Мельник, Ю. Каличак

Національний університет «Львівська політехніка», кафедра програмного забезпечення

Розглянуто метод отримання структурних ознак графічних образів за допомогою тривимірної фрагментації простору інтенсивності для розв’язання задачі індексації та пошуку зображень. Розподілені структурні ознаки формуються для тривимірних фрагментів простору інтенсивності, на які його поділено. Запропоновано коефіцієнти структуризації інтенсивності, інтегральні та розподілені структурні властивості. Про- демонстровано експериментальні результати одержання ознак візуальних образів за допомогою методу.

An approach to determine structural image features on the basis of 3D-fragmentation of image intensity space to resolve index and search image problem is considered. Distributed structural features are formed for the intensity of the space 3D-segments into which it is divided. Coefficients of intensity structurization, integral and distributed structural features are suggested. Some experimental results of extracting visual pattern features by means of the specified method are presented.

візуальний образ
зображення
інтенсивність
фрагментація
об’єм інтенсивності
  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 and directional changes in intensity gradient» // Pattern Recognition Letters, vol. 25, n. 14, p. 1547-1557, 2004.
  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. Zhou X.S., Huang T.S., «Edge-based structural features for content-based image retrieval» // Patt. Recog. Lett. 22 (5), 457–468. 2001.
  7. Wang J.Z., Wiederhold G., Firschein O., Wei S.X. Content-based image indexing and searching using Dau-bechies3 wavelets // Int. J. Digital Libraries 1, 311– 338, 1997.
  8. Hossein Nezamabadi-pour and Saeid Saryazdi «Object-Based Image Indexing and Retrieval in DCT Domain using Clustering Techniques» // Proceedings of world academy of science, engineering and technology, vol.3, p.98-102.2005.
  9. 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.
  10. 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.
  11. 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.
  12. 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.