slide1
Download
Skip this Video
Download Presentation
Patrícia Proença 1 , Ilmério Silva 2 , Celia Barcelos 3 ,

Loading in 2 Seconds...

play fullscreen
1 / 16

Patrícia Proença 1 , Ilmério Silva 2 , Celia Barcelos 3 , - PowerPoint PPT Presentation


  • 78 Views
  • Uploaded on

Uma Proposta de Melhoria no Processo de Recuperação de Imagens com Base na Distribuição de Características de Baixo Nível em seus Segmentos Utilizando Índice Invertido. Patrícia Proença 1 , Ilmério Silva 2 , Celia Barcelos 3 ,

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' Patrícia Proença 1 , Ilmério Silva 2 , Celia Barcelos 3 , ' - lula


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
slide1

Uma Proposta de Melhoria no Processo de Recuperação de Imagens com Base na Distribuição de Características de Baixo Nível em seus Segmentos Utilizando Índice Invertido

Patrícia Proença1, Ilmério Silva2, Celia Barcelos3,

1 [email protected], 2 [email protected], 3 [email protected], 4

objetivo
Objetivo
  • indexação de características de baixo nível de segmentos de imagens digitais mapeadas para um índice invertido:
    • melhoras de desempenho no processamento de consultas;
    • ganho na precisão no conjunto de imagens recuperadas em grandes bases de dados;
motiva o
Motivação
  • Grande número de imagens digitais;
  • Necessidade de localizar imagens:
    • melhores algoritmos de busca, métodos de indexação e técnicas de classificação de imagens digitais;
trabalhos relacionados
Trabalhos Relacionados
  • crescimento da busca de imagens pelo próprio conteúdo - CBIR (Recuperação de Imagens Baseada no Conteúdo), [Datta et al, 2008]:
    • encontrar imagens relevantes - características visuais extraídas automaticamente das imagens;
  • em [Matos et al, 2008a] e [Matos et al, 2008b] - adaptação do CBIR:
    • paradigma Índice Invertido;
    • índice invertido - ganho na velocidade de recuperação de documentos sem perda de qualidade na recuperação;
trabalhos relacionados1
Trabalhos Relacionados

[Matos et al, 2008a] - sistema de recuperação baseado em conteúdo:

técnicas textuais - indexação e cálculo da similaridade;

termos da recuperação textual palavras presentes nos arquivos textuais - na recuperação por conteúdo :

faixas de valores extraídos da imagem através característica de baixo nível - momentos de cor;

momentos de cor - caracteriza as imagens em termos da distribuição dos canais de cores:

três medidas estatísticas: média, desvio padrão e obliqüidade;

5

trabalhos relacionados matos et al 2008a
Trabalhos Relacionados - [Matos et al, 2008a]
  • imagens - espaço de cor RGB para o espaço de cor HSV e calculo dos três momentos para cada canal H, S e V – vetor com nove posições;
  • Imagens indexadas com os valores - cada canal de cor HSV;
  • similaridade - cosseno entre os vetores;
  • melhoria no desempenho do processamento:
    • sem perda significativa na qualidade da recuperação quando comparada com a busca por distância euclidiana;
vetor de caracter stica
Vetor de Característica

Tabela 1 – Descrição do vetor de característica resultante da extração de característica da imagem usando os três momentos de cor do espaço HSV, [Matos et al, 2008a].

ndice invertido
Índice Invertido

Índice Invertido

Vocabulário

Lista Invertida

Imagens

áfrica10, ônibus33...

MHA

Africa10: MHA...DSC...IVH

Flor13: MHB...DSD...IVH

Africa12: MHB...DSD...IVH

Ônibus33: MHA...DSC...IVH

.

.

.

áfrica12, flor13, ...

MHB

áfrica10, ônibus33...

DSC

áfrica12, flor13, ...

DSD

IVH

áfrica12, ônibus33...

áfrica10, flor13, ...

IVH

c lculo da similaridade utilizando o ndice invertido

Imagem de Consulta:

I1 = [MHA ,MSC]

I2 = [MHB, MSC]

I3 = [MHA,MSB]

I4 = [MHF,MSD]

Cálculo da Similaridade –Utilizando o Índice Invertido

Banco de dados de imagens

Vetor de característica Ic=[MHA, MSB]

Vetor de característica Ic=[MHA, MSB]

Vetor de característica Ic=[MHA, MSB]

Neste caso teríamos as imagens ordenadas da seguinte forma:

I3, I1

Lista Invertida:

MHA  I1, I3

MHB I2

MHC I4

MSB  I3

MSC  I1, I2

MSD  I4

Lista Invertida:

MHA  I1, I3

MHB I2

MHC I4

MSB  I3

MSC  I1, I2

MSD  I4

Lista Invertida:

MHA  I1, I3

MHB I2

MHC I4

MSB  I3

MSC  I1, I2

MSD  I4

Lista Invertida:

MHA  I1, I3

MHB I2

MHC I4

MSB  I3

MSC  I1, I2

MSD  I4

metodologia
Metodologia
  • algoritmos de segmentação - obter uma segmentação satisfatória das imagens;
  • adaptar o algoritmo desenvolvido em [Matos et al, 2008a]:
    • atribuir os termos da Tabela 1 a cada segmento das imagens segmentadas;
    • vetor - termos encontrados em todos os segmentos da imagem;
slide11

Imagem 1

Segmentação

Segmento 1 = [MHA, DHC, ....., IVE]

Segmento 2 = [MHB, DHG, ......, IVA]

Imagem 1 = Segmento 1 + Segmento 2

Imagem 1 = [MHA, MHB, DHC, DHG, ......, IVA, IVE]

metodologia1
Metodologia
  • importância do termo no documento:
    • trabalhos [Matos et al, 2008a] e [Matos et al, 2008b] - pesos de valores fixos são atribuídos as faixas de valores;
  • discriminação dos termos :
    • estudar formas de reformular esses pesos;
    • observando a distribuição destes termos nos segmentos;
metodologia2
Metodologia
  • experimentos - coleção referência com aproximadamente 32.000 imagens, [Datta et al, 2008];
  • objetivo principal - ganho no tempo de execução em grandes coleções sem perder a qualidade da recuperação;
resultados esperados
Resultados Esperados
  • Aumentar qualitativamente e quantitativamente a quantidade de faixas - segmentação de imagens;
  • Atribuição de pesos em cada faixa - uma melhor discriminação entre as faixas;
  • Melhorar a qualidade da precisão obtida no trabalho [Matos et al, 2008a], mantendo o ganho de desempenho no processamento da consulta;
ad