Proseminar SS 2005: Distanzen und Ähnlichkeitsmaße im hochdimensionalen Raum
„Single Color Extraction
and Image Query“
23.05.2005
Sebastian Bertram
Gliederung
Gliederung
•
Einleitung
•
Farbräume
•
Inhaltsbasierte Analyse von Bildern
• Farbhistogramme
• Farb(bild)segmentierung
•
Indexierung
•
Auswertung und zukünftige Möglichkeiten der Verbesserung
Single Color Extraction and Image Query
Sebastian Bertram
Seite 1 /21
Einleitung
Content-based Image Retrieval (CBIR)-System
Anforderungen:
• Identifikation und Verwendung intuitiver visueller Merkmale
• wirksame Merkmalsdarstellung und Diskriminierung
• automatisches Herausziehen räumlich lokalisierter Merkmale
• Techniken für effiziente Indexierung und Retrieval von MultimediaDatenbeständen
Single Color Extraction and Image Query
Sebastian Bertram
Seite 2 /21
Einleitung
Ablaufdiagramm eines CBIR-Systems:
Single Color Extraction and Image Query
Sebastian Bertram
Seite 3 /21
Einleitung
Farbbasierter Ansatz:
Farbe: Welche Farbe(n) ist (sind) in einem Bild hauptsächlich vertreten?
Farbverteilung: Wie sind die unterschiedlichen Farben verteilt?
Farbkomposition: An welcher Position sind welche Farben zu finden?
[Textur: Welche Muster oder Konturen erscheinen in einem Bild und wie
sind sie im Bild ausgerichtet]
Beispiele:
- eine durch blaue umgebene gelblich-orangefarbene Stelle d.h., ein
Sonnenuntergang
- setzte ein Gebiet von roten, weißen und blauen zusammen, d.h., eine USFlagge
Single Color Extraction and Image Query
Sebastian Bertram
Seite 4 /21
Grundlagen
RGB-Farbraum:
Darstellung am Bildschirm
additives Farbmodell
Problem:
sehr empfindlich gegenüber Beleuchtungsänderungen der Umgebung
keine Möglichkeit, farbähnliche Flächen einfach zusammenzufassen
Single Color Extraction and Image Query
Sebastian Bertram
Seite 5 /21
Grundlagen
HSV-Farbraum:
Farbtons (Hue),
Sättigung (Saturation)
Helligkeit (Value, Brightness, Lightness, Intensity)
Single Color Extraction and Image Query
Sebastian Bertram
Seite 6 /21
Farbhistogramme
Farbhistogramme:
Farbverteilung eines Bildes (auf Pixelbasis).
(1) Auswahl eines Farbraums,
(2) Quantisierung des Farberaumes,
(3) Berechnung der Histogramme,
(4) Berechnung der Histogrammentfernungsfunktion,
(5) Identifikation der Indexierungen
Single Color Extraction and Image Query
Sebastian Bertram
Seite 7 /21
Farbhistogramme
Probleme:
Single Color Extraction and Image Query
Sebastian Bertram
Seite 8 /21
Farbhistogramme
Probleme (Fortsetzung):
sehr verschiedene Bilder können das gleiche Farbhistogramm aufweisen,
Keine Extraktion weiterer lokalisierter Merkmale möglich
Vorteile:
rotations-, und translationsinvariant
robust gegenüber Skalierungen von Objekten sowie teilweise Verdeckung
Single Color Extraction and Image Query
Sebastian Bertram
Seite 9 /21
Farbhistogramme
Distanzfunktionen:
Probleme der euklidischen Distanz
Seien HP und HQ die Farbhistogramme der Bilder P und Q.
Single Color Extraction and Image Query
Sebastian Bertram
Seite 10 /21
Farbhistogramme
dist²(pink,rot) = (pink – red)T x (pink – red)
dist²(pink,blau) = (pink – blue)T x (pink – blue)
Single Color Extraction and Image Query
Sebastian Bertram
Seite 11 /21
Farbhistogramme
Quadratische Form als Distanzfunktionen
Ähnlichkeit der Dimensionen i und j in den Vektoren
Ähnlichkeitsmatrix A = [aij]
red
pink
red
pink
blue
Single Color Extraction and Image Query
blue
DA(‘red’, ‘pink’) =
DA(‘red’, ‘blue’) =
DA(‘pink’, ‘blue’) =
Sebastian Bertram
Seite 12 /21
Farbsegmentierung
Farbsegmentierung
Ziel:
Zusammenfassen gleichfarbiger Flächen in Regionen
Lokalisierung der räumlichen Farbinformationen innerhalb der Bilder
Vorteile:
Ermöglicht auch Retrival mit unvollständigen Informationen
Verbesserung der Retrieval Performance
Bild wird in Suchräume unterteilt
QBIC-System verlangt manuelle Segmentierung der Bilder
Automatische Segmentierung noch nicht in IR-Systeme integriert
Single Color Extraction and Image Query
Sebastian Bertram
Seite 13 /21
Farbsegmentierung
Skalierung auf vordefiniertes Seitenverhältnis
(Optional)
196x196 Pixel
Transformation in den HVS Farbraum
Nutzung einer reduzierten, der Problemstellung
angepassten Farbpalette
Single Color Extraction and Image Query
Sebastian Bertram
Farbreduzierung auf
166 Farben
Seite 14 /21
Farbsegmentierung
Detailreduzierungen durch Filter
5x5 Median Filter auf
jeden HSV Farbkanal
Colorizing Algorithmus
Nachteil:
Beschränkung auf farbtexturierte Objekte
Single Color Extraction and Image Query
Sebastian Bertram
Seite 15 /21
Farbsegmentierung
Flächenwachstumsverfahren durch Schwellenwerte
Mindestgröße für Regionen
Absoluter und relativer Beitrag jeder Farbe
Kriterien für Verschmelzung mit Nachbarregionen
möglichst geringe Farbabweichung
möglichst lange gemeinsame Grenze
Single Color Extraction and Image Query
Sebastian Bertram
Seite 16 /21
Indexierung
Extraktion von Farbmerkmalen und Indexierung
Speicherung der Merkmale in Vektoren
Single Color Extraction and Image Query
Sebastian Bertram
Seite 17/21
Indexierung
Vergleich von Bildern = Vergleich ihrer Merkmalsvektoren
Darstellung als Punkt im n-dimensionalen Raum
Daten werden relativ bezüglich ihrer Lage zueinander gespeichert
Indexstrukturen:
Quadtree
Gridfiles
Voronoi-Diagramm
R-Bäume
Single Color Extraction and Image Query
Sebastian Bertram
Seite 18 /21
Auswertung
Suche nach effizienteren und genaueren Algorithmen und Methoden
Texturanalyse
Beschreibung der im Bild vorkommenden Oberflächenstrukturen
(einflächig, mehrflächig oder fleckig, Kontrast, Grobheit, Linienhaftigkeit,
Gerichtetheit, Regelmäßigkeit und Geschmeidigkeit)
Konturanalyse
textuelle Beschreibung der im Bild enthaltenen Umrisse
Klassifikation in geometrischen Formen aus einer vordefinierten Menge
Single Color Extraction and Image Query
Sebastian Bertram
Seite 19 /21
Auswertung
Objekterkennung
Single Color Extraction and Image Query
Sebastian Bertram
Seite 20 /21
Vielen Dank für die Aufmerksamkeit!
Gibt‘s noch Fragen
Single Color Extraction and Image Query
Sebastian Bertram
Seite 21 /21

Folien