Upload
palmer-mcfarland
View
65
Download
0
Embed Size (px)
DESCRIPTION
結合空間關係之正交基底 Multiple-Instance 影像擷取方法. Content-Based Image Retrieval Based on Feature Spatial Structure (FSS). 研究生:賴勤寧 指導教授:蔣依吾 博士 國立中山大學資訊工程學系. ( 顏色 , 形狀 , 紋理 ). 影像搜尋基本模型. 橘紅. 柳丁. 青. 橘子. 紅. 蘋果. 影像特徵擷取方法 - 顏色 (Color). Color Histogram [Ballard91] [Novak92][Swain94]. - PowerPoint PPT Presentation
Citation preview
結合空間關係之正交基底 Multiple-Instance影像擷取方法
研究生:賴勤寧指導教授:蔣依吾 博士國立中山大學資訊工程學系
Content-Based Image Retrieval Based on Feature Spatial Structure
(FSS)
影像搜尋基本模型
( 顏色 , 形狀 , 紋理 )
影像特徵擷取方法 - 顏色 (Color)
Color Histogram [Ballard91][Novak92][Swain94]
事物不相似卻有相似顏色 ; 同一件事物有不同顏色代表之
Reference Color Table Method [Mehtre95][Mital98]
蘋果紅
青柳丁
橘子
橘紅
影像特徵擷取方法 - 形狀 (Shape)
Chain Code [Gam82][Kaneko85]
Sobel Edge Detection [Shu87][Chan92]
金字塔
籃球
橘子
事物不相似卻有相似形狀 ; 同一件事物有不同形狀代表之
影像具重複性週期性出現之特徵單元以區分影像
影像特徵擷取方法 - 紋理(Texture)
Tamura Texture[Tamura78][Bae97]
只適用在純紋理的影像
Co-occurrence Matrix [Haralick70][Argenti90]
多數影像搜尋系統不會只使用單一方法擷取特徵,例如: QBIC: 提供顏色、形狀、空間關係;
影像搜尋應用 :
上述所建立索引檔資訊仍不能明確代表影像
•使用碎形正交基底技術,具良好索引性質(Z.Z.Tsai,2003)
•單一張影像進行檢索條件不明確
•輸入多張影像,透過 Multiple-Instance Learning 法則自動找出影像特徵,使搜尋條件更為明確。
3 張正相關影像共有特徵為:瀑布、岩石。
負相關影像特徵有:藍天、白雲、草原、岩石。
Concept(3+,1-) ={瀑布 , 岩石 }–{藍天 , 白雲 , 草原 ,岩石 } ={瀑布 }
Multiple-Instance Learning
使用 MIL會產生找不到特徵問題
Feature 1
Feature 2
1
5
2
3
4
1
1
4
8 8
7
88 5
7
8
3
1
6
4
1
75
66
8
6
Negative Examples Positive Examples
3
共有特徵
Diverse Density (DD)[Maron98]
5 張正相關影像,標示為 1~5;3 張負相關影像 ,標示為 6~8
找出空間上一理想特徵點 t
• 無法詮釋影像在空間上的關係
• 特徵間的空間關係:比例大小、位置、方向
影像加入空間限制
資料庫影像 1
資料庫影像 2
搜尋影像
影像中物件表示
1. MBR (Minimum Bounding Rectangle)
2. 2d-SS string
2d-x string: aL, bL ,aR, bR2d-y string: bW ,bH , aW , aH
a
b
x
y
=
空間關係推理技術
[91]
[87]
[91]
[88]
[92]
[95][99]
[88]
[92]
[97]
[97][2001]
[2001]
[2001]
[2001](1)
(2)
(3)
[2004][2005]
[2005]
Completely Spatial relationships on 1D
種空間關係713
推論出 169(13*13)種空間關係 on 2D
• 由於 169空間關係過於複雜,對於真實影像限制過於嚴格。 (SBA,2005)
缺點 : 無法判斷物件間在空間上方位關係
由於 SBA對於空間關係定義過於簡單,
本論文將提出另一空間關係以解決上述類似問題
空間關係視為相同
本論文提出之空間關係定義
分成兩類討論 :(1)Non-overlap: 20
(2)Overlap: 171.MBR extend overlap: 4
2.Truly overlap: 13
(1)Non-overlap: 20
abbb
bb b
b
bb
b
bb
b
b
bb
bb
bb
a
b
6.5
6
(2)Overlap: 17
MBR Object Extent Overlaps: 4
b
a
a
b
a
b
b
a
b
a
Rank: 8
Rank: 2
Rank: 6
Rank: 4
Truly Overlaps: 13
Rank value: (X, Y)X: 方位Y: 重疊
b a
Rank_ab: (8, 1)
bb
Rank: (1, 1)
a
Rank: (8, 1)
ab
Rank: (2, 1)
a
b
Rank: (3, 1)
a
b
Rank: (4, 1)
a
b
Rank: (5, 1)
ab
Rank: (6, 1)
a
b
Rank: (7, 1)
ab
ab
a
b
a
b
a
ba
Rank: ( 0, 1)
碎形正交基底相似性測量• 特徵區域分散程度• 特徵群比例• 特徵群結構
•物件方位關係•物件個數•大小•顏色分類•距離
影像物件在空間上相似性測量
{ 橘紅 60%,白 40%}{ 橘紅 80%,白 20%}
影像資料庫建立• 影像尺寸不限 , 熱帶魚影像數目 :3138
本論文系統模型
比較方法 1: SSR(2004)
“相同特徵表示” +“ 相異空間限制”
“相異特徵表示” +“ 相同空間限制”比較方法 2: SBA(2005)比較方法 3: Vector
quantization(1997)比較方法 4: Multiscale Entropy(2000)
實驗結果 Precision: Recall:相似影像輸出數搜尋輸出影像總數
相似影像輸出數所屬搜尋影像類別之總數
Example : Clownfish ( 小丑魚 )
所屬搜尋影像類別總數 : 21
FSS method
比較方法 1: VQ method
相異特徵表示 + 相同空間限制 (2d-SS)
Precision
0
0.2
0.4
0.6
0.8
1
1.2
0 5 10 15 20
FSS
VQ
Recall
0
0.2
0.4
0.6
0.8
1
1.2
0 5 10 15 20
FSS
VQ
碎形正交基底
R,G,B Codebook 訓練by LBG algoruthm.
FSS method
比較方法 2: ME method
相異特徵表示 + 相同空間限制 (2d-SS)
Precision
0
0.2
0.4
0.6
0.8
1
1.2
0 5 10 15 20
FSS
ME
Recall
0
0.2
0.4
0.6
0.8
1
1.2
0 5 10 15 20
FSS
ME
Wavelet transform
碎形正交基底
FSS method
比較方法 3:SSR method
相同特徵表示 (fractal)+相異空間限制
Precision
0
0.2
0.4
0.6
0.8
1
1.2
0 5 10 15 20
FSS
SSR
Recall
0
0.2
0.4
0.6
0.8
1
1.2
0 5 10 15 20
FSS
SSR
Overlap: 9Non-Overlap: 8
Overlap: 17Non-Overlap: 20
FSS method
比較方法 4:SBA method
相同特徵表示 (fractal)+相異空間限制
Precision
0
0.2
0.4
0.6
0.8
1
1.2
0 5 10 15 20
FSS
SBA
Recall
0
0.2
0.4
0.6
0.8
1
1.2
0 5 10 15 20
FSS
SBA
Overlap: 5Non-Overlap: 2
Overlap: 17Non-Overlap: 20
•結論
•未來工作- 進行連續影像 ( 影片 ) 比對- 找出更適合的空間關係定義
- 空間關係 直觀認知特徵及特徵間方位
- 明確清楚使用者所欲搜尋特徵