전통문화대전망 - 전통 미덕 - 높은 점수 이미지 매칭 권장 사항 찾기
높은 점수 이미지 매칭 권장 사항 찾기
색상 특징
(1) 특징: 색상 특징은 이미지 또는 이미지 영역에 해당하는 장면의 표면 특성을 설명하는 전역 특성입니다. 일반적으로 색상 특징은 픽셀 특징을 기반으로 하며 이미지 또는 이미지 영역에 속하는 모든 픽셀에는 자체 기여도가 있습니다. 색상은 이미지나 이미지 영역의 방향과 크기의 변화에 민감하지 않기 때문에 색상 특징은 이미지에 있는 개체의 로컬 특징을 잘 캡처할 수 없습니다. 또한 색상 피쳐만 사용하여 질의할 때 데이터베이스가 매우 크면 불필요한 이미지가 많이 검색되는 경우가 많습니다. 색상 막대 그래프는 색상 특징을 표현하는 가장 일반적인 방법입니다. 장점은 이미지 회전, 변환 변경의 영향을 받지 않고 정규화를 통해서도 이미지 치수 변경의 영향을 받지 않는다는 것입니다. 그것의 기본적인 단점은 색상 공간 분포를 표현하는 정보가 없다는 것이다.
(2) 일반적으로 사용되는 피쳐 추출 및 매칭 방법
(1) 색상 막대 그래프
한 이미지에서 색상의 전역 분포를 간단히 설명할 수 있다는 장점이 있습니다. 즉, 전체 이미지에서 서로 다른 색상이 차지하는 비율, 특히 개체 공간 위치에 관계없이 자동으로 분할하기 어려운 이미지를 설명하는 데 유용합니다. 단점은 이미지의 색상 부분 분포와 각 색상의 공간 위치를 설명할 수 없다는 것입니다. 즉, 이미지의 특정 오브젝트나 오브젝트를 설명할 수 없다는 것입니다.
가장 일반적으로 사용되는 색상 공간: RGB 색상 공간, HSV 색상 공간.
색상 막대 그래프 특징 일치 방법: 막대 그래프 교차 방법, 거리 방법, 중심 거리 방법, 참조 색상표 방법 및 누적 색상 막대 그래프 방법.
(2) 색상 설정
색상 막대 그래프 방법은 로컬 색상 정보를 구분할 수 없는 전역 색상 피쳐 추출 및 일치 방법입니다. 색상 세트는 색상 막대 그래프의 근사치입니다. 먼저 이미지를 RGB 색상 공간에서 HSV 공간과 같이 시각적으로 균형 잡힌 색상 공간으로 변환하고 색상 공간을 여러 핸들로 수량화합니다. 그런 다음 자동 색상 분할 기술을 사용하여 이미지를 여러 영역으로 나눕니다. 각 영역은 정량화된 색상 공간의 색상 구성요소로 색인화되어 이미지를 이진 색상 인덱스 세트로 표현합니다. 이미지 일치에서 서로 다른 이미지 색상 세트 간의 거리와 색상 영역 간의 공간 관계를 비교합니다.
(3) 색상 모멘트
이 방법의 수학적 기초는 이미지의 모든 색상 분포를 모멘트로 표현할 수 있다는 것입니다. 또한 색상 분포 정보는 주로 저차 모멘트에 집중되기 때문에 색상의 1 차 모멘트 (평균), 2 차 모멘트 (분산) 및 3 차 모멘트 (바이어스) 만으로 이미지의 색상 분포를 나타낼 수 있습니다.
(4) 색상 집합 벡터
핵심 아이디어는 히스토그램의 각 핸들에 속하는 픽셀을 두 부분으로 나누는 것입니다. 핸들의 일부 픽셀이 지정된 임계값보다 큰 연속 영역을 차지하는 경우 해당 영역의 픽셀은 클러스터된 픽셀로 간주되고, 그렇지 않으면 클러스터되지 않은 픽셀로 간주됩니다.
(5) 색상 관련 차트
이중 텍스처 피쳐
(1) 기능: 텍스처 기능은 이미지 또는 이미지 영역에 해당하는 장면의 표면 특성도 설명하는 전역 기능입니다. 그러나 텍스처는 오브젝트 표면의 특징일 뿐 오브젝트의 본질적 특성을 완전히 반영하지 않기 때문에 텍스처 특성만으로는 높은 수준의 이미지 내용을 얻을 수 없습니다. 색상 특징과 달리 텍스처 기능은 픽셀 특징을 기반으로 하는 것이 아니라 여러 픽셀 점이 포함된 영역 내에서 통계 계산이 필요합니다. 이 영역 피쳐는 패턴 일치에서 큰 장점이 있으며 로컬 편차로 인해 성공적으로 일치시킬 수 없습니다. 텍스처 피쳐는 통계적 특징으로서 회전 불변성과 강력한 노이즈 내성을 갖는 경우가 많습니다. 그러나 텍스처 피쳐에도 단점이 있습니다. 한 가지 분명한 단점은 이미지의 해상도가 변경될 때 계산된 텍스처에 큰 편차가 있을 수 있다는 것입니다. 또한 조명과 반사의 영향을 받을 수 있으므로 2-D 이미지에서 반사되는 텍스처가 반드시 3-D 오브젝트 표면의 실제 텍스처일 필요는 없습니다.
예를 들어, 물 속의 반사, 매끄러운 금속 표면의 상호 반사는 질감의 변화를 초래할 수 있습니다. 이것들은 모두 물체 자체의 특징이 아니기 때문에, 텍스처 정보가 검색에 적용될 때 때때로 이러한 허위 텍스처가 "오도" 될 수 있습니다.
두께와 밀도가 크게 다른 텍스처 이미지를 검색할 때 텍스처 피쳐를 사용하는 것이 효과적입니다. 두께, 밀도 등과 같이 텍스처 간의 차이가 크지 않을 경우 서로 다른 시각적 느낌의 텍스처 간 차이를 정확하게 반영하기가 어렵습니다.
(2) 일반적으로 사용되는 피쳐 추출 및 매칭 방법
텍스처 피쳐 설명 방법의 분류
(1) 통계 방법의 일반적인 대표는 그레이스케일 * * * 생성 매트릭스라는 텍스처 피쳐 분석 방법입니다. Gotlieb, Kreyszig 등은 * * * 생성 매트릭스의 다양한 통계적 특징을 연구하여 실험을 통해 회색 * * 생성 행렬의 네 가지 주요 특징, 즉 에너지, 관성, 엔트로피, 상관 관계를 얻어냈다. 또 다른 일반적인 통계 방법은 이미지의 자기 상관 함수 (즉, 이미지의 에너지 스펙트럼 함수) 에서 텍스처 특징을 추출하는 것입니다. 즉, 이미지의 에너지 스펙트럼 함수를 계산하여 텍스처의 두께, 방향 등의 특성 매개변수를 추출합니다.
(2) 기하학적 방법
기하학적 방법은 텍스처 프리미티브 (기본 텍스처 요소) 이론에 기반한 텍스처 피쳐 분석 방법입니다. 텍스처 프리미티브 이론에 따르면 복잡한 텍스처는 몇 개의 간단한 텍스처 요소로 일정한 규칙 형식으로 반복할 수 있습니다. 기하학적 방법에는 Voronio 바둑판 특징법과 구조법의 두 가지 비교적 영향력 있는 알고리즘이 있습니다.
(3) 모델 방법
모형 방법은 텍스처 피쳐로 모형 매개변수를 사용하는 이미지 구성 모형을 기반으로 합니다. 일반적인 방법은 마르코프 랜덤 필드 (MRF) 모델 방법 및 Gibbs 랜덤 필드 모델 방법과 같은 랜덤 필드 모델 방법입니다.
(4) 신호 처리 방법
텍스처 피쳐 추출 및 매칭은 주로 그레이스케일 * * * 생성 매트릭스, Tamura 텍스처 피쳐, 자동 회귀 텍스처 모델, 웨이브 렛 변환 등을 포함합니다.
그레이스케일 * * 생성 매트릭스의 피쳐 추출 및 매칭은 주로 에너지, 관성, 엔트로피 및 상관 관계의 네 가지 매개변수에 따라 달라집니다. 전촌 텍스처는 인간의 시각적 인식 텍스처를 기반으로 한 심리학 연구로 거칠기, 대비, 방향, 선상, 규칙도, 거칠기 등 6 가지 속성을 제시했다. 자동 회귀 텍스처 모델 (SAR) 은 마르코프 임의 필드 (MRF) 모델의 응용 인스턴스입니다.
3 각형 피쳐
(1) 특징: 다양한 모양 기반 검색 방법은 이미지에서 관심 있는 개체를 효과적으로 사용하여 검색할 수 있지만, 1 현재 모양 기반 검색 방법에는 비교적 정교한 수학적 모델이 부족합니다. ② 목표가 변형되면 검색 결과가 종종 신뢰할 수 없습니다. (3) 많은 모양 특징은 목표의 부분적인 특성만을 묘사하며, 목표를 완전히 설명하려면 계산 시간과 저장 용량이 많이 필요한 경우가 많습니다. ④ 많은 모양 특징에 반영된 대상의 모양 정보가 인간의 직관적인 감각에 완전히 부합하지 않거나, 특징공간의 유사성이 인간의 시각시스템이 인식하는 유사성과는 다르다. 또한 2D 이미지에 표현된 3D 객체는 실제로 공간의 한 평면에서의 객체 투영일 뿐이며, 2D 이미지에서 반사되는 모양은 종종 3D 객체의 실제 모양이 아닙니다. 이는 관측점 변경으로 인해 다양한 왜곡이 발생할 수 있습니다.
(2) 일반적으로 사용되는 피쳐 추출 및 매칭 방법
ⅰ 몇 가지 전형적인 형상 특징 설명 방법
일반적으로 쉐이프 피쳐는 두 가지 방법으로 표현됩니다. 하나는 프로파일 피쳐이고 다른 하나는 영역 피쳐입니다. 이미지의 윤곽 피쳐는 주로 오브젝트의 외부 경계를 대상으로 하며 이미지의 영역 특성은 전체 모양 영역과 관련이 있습니다.
몇 가지 전형적인 모양 특징 설명 방법;
(1) 경계 피쳐 이 방법은 경계 피쳐를 설명하여 이미지의 모양 매개변수를 얻습니다. 여기서 평행 선을 감지하는 Hough 변환 및 경계 방향 히스토그램 방법은 고전적인 방법입니다. 호프 변환은 이미지의 전역 기능을 사용하여 가장자리 픽셀을 연결하여 닫힌 경계를 형성하는 방법입니다. 기본 아이디어는 점과 선의 이원성입니다. 경계 방향 막대 그래프 방법은 먼저 이미지를 미분하여 이미지 가장자리를 얻은 다음 가장자리의 크기와 방향을 막대 그래프로 만듭니다. 일반적인 방법은 이미지의 그레이스케일 그라데이션 방향 매트릭스를 구성하는 것입니다.
(2) 푸리에 모양 설명자 방법
푸리에 모양 설명자의 기본 사상은 물체 경계의 푸리에 변환을 모양 설명으로 사용하여 영역 경계의 폐쇄성과 주기성을 이용하여 2 차원 문제를 1 차원 문제로 변환하는 것이다.
경계 점에서 곡률 함수, 중심 거리 및 복합 좌표 함수의 세 가지 쉐이프 표현식을 내보냅니다.
(3) 기하학적 매개 변수 방법
쉐이프 표현 및 일치는 보다 간단한 영역 피쳐 설명 방법을 사용합니다. 예를 들어, 쉐이프 계수 방법은 직사각형, 면적, 둘레 등과 같은 쉐이프의 정량 측정에 사용됩니다. ). QBIC 시스템에서는 원형율, 편심률, 스핀들 방향 및 대수 모멘트 불변량과 같은 형상 매개변수를 쉐이프 피쳐 기반 이미지 검색에 사용합니다.
모양 매개변수 추출은 이미지 처리 및 이미지 분할을 기반으로 해야 하며 매개변수의 정확성은 분할 효과의 영향을 받을 수 있습니다. 분할 효과가 좋지 않은 이미지에는 모양 매개 변수도 추출할 수 없습니다.
(4) 형상 불변 모멘트 법
대상이 차지하는 영역의 모멘트는 쉐이프 설명 매개변수로 사용됩니다.
(5) 기타 방법
최근 몇 년 동안 모양 표현 및 일치에 대한 작업에는 유한 요소법, 회전 함수 및 소파 설명자도 포함되어 있습니다.
웨이블릿 및 상대 모멘트에 기반한 형상 특징 추출 및 매칭
이 방법은 소파 변환의 모듈러스 최대값을 사용하여 다중 치수 가장자리 이미지를 얻은 다음 각 치수의 7 개의 불변 모멘트를 계산하고 10 상대 모멘트로 변환하여 모든 치수의 상대 모멘트를 이미지 피쳐 벡터로 사용하여 영역과 폐쇄되지 않은 구조를 통합합니다.
네 가지 공간 관계 피쳐
(1) 피쳐: 공간 관계란 이미지에서 분할된 여러 객체 간의 상호 공간 위치 또는 상대 방향 관계를 말하며 연결/인접 관계, 겹침/겹침 관계 및 포함/포함 관계로 나눌 수 있습니다. 일반적으로 공간 위치 정보는 상대 공간 위치 정보와 절대 공간 위치 정보의 두 가지 범주로 나눌 수 있습니다. 이전 관계는 상하좌우와 같은 목표 사이의 상대적 위치를 강조합니다. 후자의 관계는 목표 사이의 거리와 방향을 강조한다. 상대 공간 위치는 절대 공간 위치에서 파생될 수 있지만 상대 공간 위치 정보를 표현하는 것은 종종 간단합니다.
공간 관계 기능을 사용하면 이미지 내용에 대한 설명과 구분을 향상시킬 수 있지만 공간 관계 기능은 이미지나 대상의 회전, 반전 및 치수 변경에 민감하게 반응하는 경우가 많습니다. 또한 실제 응용 프로그램에서는 공간 정보만으로는 장면 정보를 효과적으로 정확하게 표현할 수 없는 경우가 많습니다. 검색을 위해서는 공간 관계 피쳐 외에 다른 피쳐가 필요합니다.
(2) 일반적으로 사용되는 피쳐 추출 및 매칭 방법
이미지의 공간 관계 피쳐를 추출하는 두 가지 방법이 있습니다. 하나는 이미지를 자동으로 분할하고 이미지에 포함된 객체 또는 색상 영역을 분할한 다음 해당 영역을 기준으로 이미지 피쳐를 추출하고 색인을 작성하는 것입니다. 또 다른 방법은 단순히 이미지를 여러 규칙의 하위 블록으로 나눈 다음 각 이미지 하위 블록에서 피쳐를 추출하고 색인화하는 것입니다.