Single color extraction
This presentation is the property of its rightful owner.
Sponsored Links
1 / 22

„ Single Color Extraction PowerPoint PPT Presentation


  • 57 Views
  • Uploaded on
  • Presentation posted in: General

Proseminar SS 2005: Distanzen und Ähnlichkeitsmaße im hochdimensionalen Raum. „ Single Color Extraction. and Image Query“. Sebastian Bertram. 23.05.2005. Gliederung. Gliederung. Einleitung. Farbräume. Inhaltsbasierte Analyse von Bildern Farbhistogramme

Download Presentation

„ Single Color Extraction

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Proseminar SS 2005: Distanzen und Ähnlichkeitsmaße im hochdimensionalen Raum

„Single Color Extraction

and Image Query“

Sebastian Bertram

23.05.2005


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 Multimedia-

  • Datenbeständen

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 US-

  • Flagge

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 HPund HQdie 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


red pink blue

red

DA(‘red’, ‘blue’) =

pink

blue

DA(‘pink’, ‘blue’) =

DA(‘red’, ‘pink’) =

Farbhistogramme

Quadratische Form als Distanzfunktionen

Ähnlichkeit der Dimensionen i und j in den Vektoren

Ähnlichkeitsmatrix A = [aij]

Single Color Extraction and Image Query 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

Farbreduzierung auf

166 Farben

Single Color Extraction and Image Query Sebastian Bertram 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


  • Login