„Single Color Extraction Sebastian Bertram Proseminar SS 2005: Distanzen und Ähnlichkeitsmaße im hochdimensionalen Raum and Image Query“ 23.05.2005

„„Single Color Extraction Single Color Extraction

Sebastian BertramSebastian Bertram

Proseminar SS 2005: Distanzen und Ähnlichkeitsmaße im hochdimensionalen RaumProseminar SS 2005: Distanzen und Ähnlichkeitsmaße im hochdimensionalen Raum

and Image Query“and Image Query“

23.05.200523.05.2005

Single Color Extraction and Image Query Sebastian Bertram Seite 1 /21

GliederungGliederung

• Einleitung

GliederungGliederung

• Farbräume

• Inhaltsbasierte Analyse von Bildern

• Farbhistogramme

• Farb(bild)segmentierung

• Indexierung

• Auswertung und zukünftige Möglichkeiten der Verbesserung

EinleitungEinleitung


Content-based Image Retrieval (CBIR)-SystemContent-based Image Retrieval (CBIR)-System

• Techniken für effiziente Indexierung und Retrieval von Multimedia- Datenbeständen

• Identifikation und Verwendung intuitiver visueller Merkmale

• wirksame Merkmalsdarstellung und Diskriminierung

• automatisches Herausziehen räumlich lokalisierter Merkmale

AnforderungenAnforderungen::



Ablaufdiagramm eines CBIR-Systems:Ablaufdiagramm eines CBIR-Systems:


Farbbasierter Ansatz: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]


- eine durch blaue umgebene gelblich-orangefarbene Stelle d.h., ein Sonnenuntergang - setzte ein Gebiet von roten, weißen und blauen zusammen, d.h., eine US- Flagge

Beispiele:

RGB-Farbraum: RGB-Farbraum:

additives Farbmodell


GrundlagenGrundlagen

Darstellung am Bildschirm

keine Möglichkeit, farbähnliche Flächen einfach zusammenzufassen

Problem:

sehr empfindlich gegenüber Beleuchtungsänderungen der Umgebung


Farbtons (Hue),

Sättigung (Saturation)

Helligkeit (Value, Brightness, Lightness, Intensity)

HSV-Farbraum: HSV-Farbraum:

GrundlagenGrundlagen

(1) Auswahl eines Farbraums, (2) Quantisierung des Farberaumes, (3) Berechnung der Histogramme, (4) Berechnung der Histogrammentfernungsfunktion, (5) Identifikation der Indexierungen

Farbverteilung eines Bildes (auf Pixelbasis).


Farbhistogramme:Farbhistogramme:

FarbhistogrammeFarbhistogramme

Probleme:Probleme:



sehr verschiedene Bilder können das gleiche Farbhistogramm aufweisen,

rotations-, und translationsinvariant

Probleme (Fortsetzung):Probleme (Fortsetzung):


Keine Extraktion weiterer lokalisierter Merkmale möglich

Vorteile:Vorteile:

robust gegenüber Skalierungen von Objekten sowie teilweise Verdeckung



Distanzfunktionen:Distanzfunktionen:

Probleme der euklidischen Distanz

Seien HP und HQ die Farbhistogramme der Bilder P und Q.


dist²(pink,rot) = (pink – red)T x (pink – red)

dist²(pink,blau) = (pink – blue)T x (pink – blue)



Quadratische Form als DistanzfunktionenQuadratische Form als Distanzfunktionen

Ähnlichkeitsmatrix A = [aij]

Ähnlichkeit der Dimensionen i und j in den Vektoren

red pink blueredpinkblue

DA(‘red’, ‘pink’) =

DA(‘red’, ‘blue’) =

DA(‘pink’, ‘blue’) =



Farbsegmentierung Farbsegmentierung

Ermöglicht auch Retrival mit unvollständigen Informationen

Verbesserung der Retrieval Performance

Ziel: Zusammenfassen gleichfarbiger Flächen in Regionen

Bild wird in Suchräume unterteilt

QBIC-System verlangt manuelle Segmentierung der Bilder

Automatische Segmentierung noch nicht in IR-Systeme integriert

Lokalisierung der räumlichen Farbinformationen innerhalb der Bilder


FarbsegmentierungFarbsegmentierung

Vorteile:

Transformation in den HVS Farbraum

Nutzung einer reduzierten, der Problemstellung angepassten Farbpalette 166 Farben

Skalierung auf vordefiniertes Seitenverhältnis (Optional)

196x196 Pixel

Farbreduzierung auf



Colorizing Algorithmus

Detailreduzierungen durch Filter 5x5 Median Filter auf jeden HSV Farbkanal

Nachteil:Nachteil:Beschränkung auf farbtexturierte Objekte



möglichst geringe Farbabweichung möglichst lange gemeinsame Grenze

Kriterien für Verschmelzung mit Nachbarregionen

Mindestgröße für Regionen Absoluter und relativer Beitrag jeder Farbe

Flächenwachstumsverfahren durch SchwellenwerteFlächenwachstumsverfahren durch Schwellenwerte



Extraktion von Farbmerkmalen und IndexierungExtraktion von Farbmerkmalen und Indexierung

Speicherung der Merkmale in Vektoren

Single Color Extraction and Image Query Sebastian Bertram Seite 17/21

IndexierungIndexierung

Indexstrukturen:Indexstrukturen:

Quadtree

Gridfiles

Voronoi-Diagramm

Vergleich von Bildern = Vergleich ihrer Merkmalsvektoren

Darstellung als Punkt im n-dimensionalen Raum

Daten werden relativ bezüglich ihrer Lage zueinander gespeichert

R-Bäume


IndexierungIndexierung

Texturanalyse

Suche nach effizienteren und genaueren Algorithmen und Methoden

Konturanalyse

Beschreibung der im Bild vorkommenden Oberflächenstrukturen (einflächig, mehrflächig oder fleckig, Kontrast, Grobheit, Linienhaftigkeit, Gerichtetheit, Regelmäßigkeit und Geschmeidigkeit)

textuelle Beschreibung der im Bild enthaltenen Umrisse

Klassifikation in geometrischen Formen aus einer vordefinierten Menge


AuswertungAuswertung

ObjekterkennungObjekterkennung


AuswertungAuswertung

Vielen Dank für die Aufmerksamkeit!

Gibt‘s noch Fragen


Documents

„Single Color Extraction Sebastian Bertram Proseminar SS 2005: Distanzen und Ähnlichkeitsmaße im hochdimensionalen Raum and Image Query“ 23.05.2005