Upload
gerhardt-weiner
View
214
Download
0
Embed Size (px)
Citation preview
„„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
Single Color Extraction and Image Query Sebastian Bertram Seite 2 /21
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::
Single Color Extraction and Image Query Sebastian Bertram Seite 3 /21
EinleitungEinleitung
Ablaufdiagramm eines CBIR-Systems:Ablaufdiagramm eines CBIR-Systems:
Single Color Extraction and Image Query Sebastian Bertram Seite 4 /21
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]
EinleitungEinleitung
- 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
Single Color Extraction and Image Query Sebastian Bertram Seite 5 /21
GrundlagenGrundlagen
Darstellung am Bildschirm
keine Möglichkeit, farbähnliche Flächen einfach zusammenzufassen
Problem:
sehr empfindlich gegenüber Beleuchtungsänderungen der Umgebung
Single Color Extraction and Image Query Sebastian Bertram Seite 6 /21
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).
Single Color Extraction and Image Query Sebastian Bertram Seite 7 /21
Farbhistogramme:Farbhistogramme:
FarbhistogrammeFarbhistogramme
Probleme:Probleme:
Single Color Extraction and Image Query Sebastian Bertram Seite 8 /21
FarbhistogrammeFarbhistogramme
sehr verschiedene Bilder können das gleiche Farbhistogramm aufweisen,
rotations-, und translationsinvariant
Probleme (Fortsetzung):Probleme (Fortsetzung):
FarbhistogrammeFarbhistogramme
Keine Extraktion weiterer lokalisierter Merkmale möglich
Vorteile:Vorteile:
robust gegenüber Skalierungen von Objekten sowie teilweise Verdeckung
Single Color Extraction and Image Query Sebastian Bertram Seite 9 /21
FarbhistogrammeFarbhistogramme
Distanzfunktionen: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
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
FarbhistogrammeFarbhistogramme
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’) =
Single Color Extraction and Image Query Sebastian Bertram Seite 12 /21
FarbhistogrammeFarbhistogramme
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
Single Color Extraction and Image Query Sebastian Bertram Seite 13 /21
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
Single Color Extraction and Image Query Sebastian Bertram Seite 14 /21
FarbsegmentierungFarbsegmentierung
Colorizing Algorithmus
Detailreduzierungen durch Filter 5x5 Median Filter auf jeden HSV Farbkanal
Nachteil:Nachteil:Beschränkung auf farbtexturierte Objekte
Single Color Extraction and Image Query Sebastian Bertram Seite 15 /21
FarbsegmentierungFarbsegmentierung
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
Single Color Extraction and Image Query Sebastian Bertram Seite 16 /21
FarbsegmentierungFarbsegmentierung
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
Single Color Extraction and Image Query Sebastian Bertram Seite 18 /21
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
Single Color Extraction and Image Query Sebastian Bertram Seite 19 /21
AuswertungAuswertung
ObjekterkennungObjekterkennung
Single Color Extraction and Image Query Sebastian Bertram Seite 20 /21
AuswertungAuswertung
Vielen Dank für die Aufmerksamkeit!
Gibt‘s noch Fragen
Single Color Extraction and Image Query Sebastian Bertram Seite 21 /21