Thông tin tài liệu
L I CAM OAN Tôi xin cam oan ây cơng trình nghiên c u c vi t chung v i tác gi khác u c s ng ý c a riêng Các k t qu c a ng tác gi trư c a vào lu n án Các k t qu c chưa t ng c công nêu lu n án trung th b cơng trình khác Tác gi Nguy n H u Qu nh L i c m ơn Th c hi n lu n án ti n s m t vi c khó, m t nhi m v làm Tôi r t h nh phúc th c hi n xong lu n án ti n s , quan tr ng nh ng tơi ã h c c su t ba n m qua Bên c nh ki n th c thu ư c phương pháp nghiên c thành công không n thu n b i s h tr giúp c a th y giáo ng nghi p khác Nhân h i này, mu n bày t l i c m ơn nh u tiên, mu n c m ơn Qu c T o PGS TS ơn r t nhi u t hi u v n c nghiên c u dư i s t o Sau TS Nguy n Thanh Th n PGS TS V y s giúp ihc ihc Tôi mu n c m ơn c Thi, PGS TS Lương Chi Mai, PGS cah s c m ơn i n l c, ngư i tài cho tơi vi c công b ihc thông tin, i cho tơi su t q trình th c hi n lu n án nghiên c u c a Tôi c ng bày t trư ng trư ng t câu h i nghiên c u, môn Khoa h c máy tính, Khoa Cơng ngh ã t o i u ki n thu n l cho n PGS TS ã ng viên t o xu t trao i àm Xuân Hi p – Hi u i u ki n v th i gian báo h i ngh t p chí qu n cán b , gi ng viên khoa Cơng ngh inlc ó a hai th y C m i h c - Nghiên c u Khoa h c, Ban giám hi u trư ng Tôi bày t s c m ơn – Trư ng hư ng d n c i hai th y s hư ng d n cách , vi t báo khoa h c Tôi trân tr ng c m ơn B Công ngh n hai th y giáo hư ng d n c a tôi, PGS TS Ngơ inh M nh Tư ng, s hư ng d n t n tình khoa h c i l n cho tơi m t h Phịng c l p S n l c c a cá nhân tơi, mà cịn có s hư ng d n nhi u c a u m t cách c, ã h c ãc v ct thông tin ng viên sát cánh bên tơi q trình nghiên c u Tôi mu n c m ơn nh ng thành viên c a tài nghiên c u b n NCCB200706 v s tài tr tài góp ý r t h u ích v báo c công b h i ngh t p chí qu c t Tôi c m ơn t t c nh ng ngư i b n c a Nh ng ngư i chia s c v nh ng lúc khó kh n tơi ln ghi nh i u ó Cu i cùng, tơi xin bày t lịng bi t ơn vô h n i v i cha m gia ình ã ln ng h , giúp M CL PH N M C U 14 Tính c p thi t c a lu n án 14 M c tiêu c a lu n án 16 Các óng góp c a lu n án 16 B c c c a lu n án 17 Chương T NG QUAN V TRÍCH RÚT D A VÀO 1.1 Các C TR NG VÀ TRA C U NH C TR NG 18 c trưng 18 1.1.1 Các c trưng toàn c c c c b 18 1.1.2 Các c trưng th giác tra c u 1.2 Ki n trúc c a m t h 1.3 Trích rút 1.3.1 th ng tra c u nh 19 nh d a vào c trưng th giác 19 c trưng 21 c trưng màu 21 1.3.2 Lư ng hóa màu 23 1.3.3 Bi u di n màu 23 1.3.3.1 Lư c màu 23 1.3.3.2 Lư c màu toàn c c GCH 24 1.3.3.3 Lư c màu c c b LCH 26 1.3.3.4 Véc tơ g n k t màu 28 1.3.3.5 Tương quan màu 28 1.3.3.6 Các màu tr i 29 1.3.3.7 Mô men màu 29 1.3.4 Thông tin không gian 30 1.3.5 1.4 Các 1.5 Phân vùng o tương t 31 32 ánh giá hi u n ng tra c u 1.6 Các h th ng VFBIR 1.7 K t lu n 38 u nh hư ng nghiên c Chương PHƠ NG PHÁP TRA C 2.1 Lư c 37 UD màu kh i MÀU KH I 42 42 2.2 Phương pháp tra c u d a vào lư c 2.2.1 Gi AVÀOL C 40 màu kh i 44 i thi u 44 xu t HG 47 th hai phía 47 2.2.2 Phương pháp tra c u 2.2.2.1 Khái ni m v 2.2.2.2 Phương pháp HG 48 2.3 Phương pháp c i ti n IHG 53 2.3.1 Khái ni m v 2.3.2 Lý 2.3.3 s tương t lý tư ng gi a hai d i 53 xu t phương pháp IHG Phương pháp IHG 2.4 Các th 54 54 c nghi m 60 2.4.1 Môi trư ng th c nghi m 60 2.4.2 Các k t qu c nghi m 61 2.5 th 2.4.2.1 K t qu th c nghi m v i phương pháp HG 61 2.4.2.2 K t qu th c nghi m v i phương pháp IHG 65 K t lu n 69 Chương PHƠ NG PHÁP TRA C 3.1 Bi u di n nh s A VÀO VÙNG NH 71 d ng phương pháp t phân 71 3.2 Phương pháp tra c u nh s 3.2.1 Gi UD d ng c trưng c a vùng nh 73 i thi u 73 3.2.2 Trích rút c trưng 3.2.2.1 Trích rút màu thơng tin khơng gian 74 74 3.2.2.2 Trích rút c m màu thu n nh t 82 3.2.3 tương t gi a hai nh 87 3.2.4 Các th c nghi m 88 3.2.4.1 Môi trư ng th c nghi m 88 3.2.4.2 K t qu th 88 3.3 c nghi m K t lu n Chương XÂY D NG 96 NGD NGTRAC U NHD AVÀON I DUNG98 4.1 Thi t k h th ng t ng quát LVFIR 98 4.2Module tra c u group1 100 4.3Module tra c u group2 105 4.4M t s k t qu 110 4.4.1 So sánh k thu t LCH, CCH v i HG IHG 110 4.4.2 So sánh k thu t QT, CBC CCV v i CSI CCS 112 4.5 K t lu n 116 K T LU N DANH M C CÁC CƠNG TRÌNH CÔNG B 117 119 TÀI LI U THAM KH O 120 DANHM CCÁCCH Ký hi u VI TT T Di n gi i Black Màu en CSDL Cơ s d CBC Color Based Cluster CCH Color/Cell Histogram (Lư c CCS Cluster of Colors and Space (C m màu không gian) CCV Color Coherence Vectors (Véc tơ g n k t màu) CSI Color and Spatial Information (Màu thông tin không gian) li u màu kh i) DistancebyColor Kho ng cách theo màu DRC Distance by Region Comparing EdgeDistance Kho ng cách theo c nh EMD Earth Mover Distance (Kho ng cách Earth Mover) GCH Global Color Histogram (Lư c Gray Màu xám HG Histogram Graph ( th lư c Hue S c màu IHG Improving Histogram Graph method (Phương pháp c i ti n th lư c ) KLT Karhunen–Loeve transform (Bi n i Karhunen–Loeve) LCH Local Color Histogram (Lư c LVFIR Local Visual Feature-based Image Retrieval (Tra c u nh d a vào c trưng th giác c c b ) MCM Minimum Cost Matching (Giá tr MTM Mathematical Transform to Munsell (Bi n h th ng màu Munsell) màu toàn c c) ) màu c c b ) i sánh c c ti u) i toán h c sang Precision Chính xác Quantization Lư ng hóa QT Quad Tree (Cây t phân) Recall H i tư ng RGB Red ( ), Green (Xanh l c), Blue (xanh lơ) SR Spatial Relationship (Quan h không gian) Union Hp VFBIR Visual Feature Based Image Retrieval (Tra c u nh d a vào c trưng th giác) White Màu tr ng DANH M C CÁC HÌNH Hình 1.1 Ki n trúc h th ng tra c u nh d a vào c trưng th giác 20 Hình 1.2 Hai nh khác có lư c màu 22 Hình 1.3 T trái sang: nh g c s d ng 256 màu, c lư ng hoá d i, c lư ng hoá 64 d i s d ng không gian màu RGB 23 Hình 1.4 Ba nh I1, I2 I3 lư c màu tương ng c a chúng 25 Hình 1.5 Tính kho ng cách gi a nh I1 I2 s d ng LCH, d LCH ( I1 ,I ) = 1.319, dGCH ( I1 ,I ) = 0.088 26 Hình 1.6 Tính kho ng cách gi a nh I1 I3 s d ng LCH, d LCH ( I1 ,I3 ) = 0.707, dGCH ( I1 ,I3 ) = 0.088 27 Hình 1.7 Tính kho ng cách gi a nh I2 I3 s d ng LCH d LCH ( I ,I3 ) = 0.707 , dGCH ( I ,I3 ) = 27 Hình 1.8 Recall Precision cho k t qu Hình 2.1 M t nh c chia thành kh i Hình 2.2 truy v n 38 nh ba lư c màu kh i c a .43 nh I nh I’ 45 Hình 2.3 Lư c màu kh i theo màu black white bi u di n nh I 45 Hình 2.4 Lư c màu kh i theo màu black white bi u di n nh I’ 45 Hình 2.5 Tính kho ng cách c a nh I I’ theo màu black 46 Hình 2.6 Tính kho ng cách c a nh I I’ theo màu white 46 Hình 2.7 Các kh i nh c a m i nh c ánh s t ngư c chi u kim ng h 56 Hình 2.8 Lư c Hình 2.9 màu kh i theo màu black c a hai nh I1 I2 56 th hai phía bi u th m i quan h c a d i c a lư c màu kh i c a nh I1 I2 theo màu black 57 Hình 2.10 Các nh m u c a truy v n t n 61 Hình 2.11 So sánh LCH, CCH v i HG theo truy v n 1, 2, dư i d ng Recall - Precision 63 Hình 2.12 So sánh LCH, CCH v i HG theo truy v n dư i d ng Recall Precision 64 Hình 2.13 Các nh m u c a truy v n t n 65 Hình 2.14 So sánh HG v i IHG theo truy v n dư i d ng Recall – Precision 67 Hình 2.15 So sánh HG v i IHG SR theo truy v n 3, 4, dư i d ng Recall-Precision 68 Hình 2.16 Bi u Hình 3.1 so sánh t c c a phương pháp HG IHG 69 nh g c 71 Hình 3.2 Cây t phân bi u di n Hình 3.3 Cây bi u di n nh cho Hình 3.1 72 nh cho Hình 3.1 73 Hình 3.4 nh I c Hình 3.5 nh I sau 10×10 i m nh 77 c tách thành hai vùng BR1 BR2 78 Hình 3.6 Vùng BR2 sau c tách thành hai vùng BR2,1 BR2,2 .80 Hình 3.7 nh g m 6×10 i m nh 85 Hình 3.8 Các nh m u c a truy v n t n 89 Hình 3.9 So sánh CSI v i QT CBC theo truy v n dư i d ng RecallPrecision 90 Hình 3.10 So sánh CSI v i QT, CBC SR theo truy v n 3, 4, dư i d ng Recall – Precision 92 Hình 3.11 Các nh m u c a truy v n t n 93 Hình 3.12 So sánh Recall – Precision theo truy v n 1,2 c a CCS v i CCV CSI 94 10 Phương pháp LCH (th t t H ng nh truy H ng n 5) H ng H ng H ng Phương pháp CCH (th t t n 5) H ng H ng Phương pháp HG (th t t H ng H ng H ng n 5) H ng H ng H ng H ng n 5) Phương pháp IHG (th t t H ng H ng H ng H ng H ng Hình 4.17 K t qu th c hi n truy v n H ng Truy v n ( nh truy v n c i u ch nh quay): Phương pháp LCH (th t t H ng H ng H ng 111 n 5) H ng H ng Phương pháp CCH (th t t nh truy i sánh sai H ng H ng T i sánh sai i sánh sai n 5) i sánh sai Phương pháp HG (th t t n 5) H ng H ng Phương pháp IHG (th t t H ng n 5) H ng H ng H ng Hình 4.18 K t qu th c hi n truy v n i sánh H ng H ng truy v n 1, nh n th y phương pháp HG IHG cho k t qu x p x phương pháp LCH CCH Tuy nhiên, trư ng h p nh truy v n c i u ch nh quay ho c d ch chuy n (truy v n 3), phương pháp HG IHG th c hi n t t h n phương pháp LCH CCH 4.4.2 So sánh k thu t QT, CBC CCV v i CSI CCS Truy v n 1: Phương pháp QT nh truy H ng H ng H ng 112 H ng H ng Phương pháp CCV H ng H ng H ng H ng H ng H ng H ng Phương pháp CBC H ng H ng H ng Phương pháp CSI H ng H ng H ng H ng H ng Phương pháp CCS H ng H ng H ng H ng Hình 4.19 K t qu th c hi n truy v n 113 H ng Truy v n 2: Phương pháp QT nh truy H ng H ng H ng H ng H ng Phương pháp CCV H ng H ng H ng H ng H ng H ng H ng Phương pháp CBC H ng H ng H ng Phương pháp CSI H ng H ng H ng H ng H ng Phương pháp CCS H ng H ng H ng H ng 4H ng Hình 4.20 K t qu th c hi n truy v n Truy v n 3: 114 Phương pháp QT H ng H ng H ng H ng H ng H ng H ng H ng H ng Phương pháp CCV H ng H ng H ng Phương pháp CBC H ng H ng H ng Phương pháp CSI H ng H ng H ng H ng H ng H ng H ng H ng H ng Hình 4.21 K t qu th c hi n truy v n H ng Phương pháp CCS T truy v n 1, nh n th y phương pháp CSI CCS th c hi n t t phương pháp QT, CBC phương pháp CCV 115 4.5 K t lu n ng d ng c phát tri n th nghi m b ng công c li u SQL Server 2005 h i u hành Windows XP, b 512 MB b nh v i CSDL nh g m 7,812 nh th y phương pháp HG IHG cho k t qu bi t nh d C# h qu n tr s x lý Pentium 1.73 GHz, i v i CSDL nh này, k t qu t t phương pháp LCH CCH, cho c c i u ch nh quay ho c d ch chuy n C ng CSDL nh này, phương pháp CSI CCS cho xác cao phương pháp QT, CCV CBC 116 KTLU N Nghiên c u v c trưng th giác trích rút c trưng th giác ã th c hi n m t th i gian dài S d ng c trưng th giác trích rút c, bi t c trưng c a vùng nh, tra c u nh d nghiên c u c trưng th c nhi u ngư i quan tâm Nhi u k thu t ã c ng yêu c u khác H u h t k tra c u theo hư ng tra c thu t u c giác ch xu t áp g ng nâng cao hi u n ng u nhanh xác Trong lu n án này, ngồi vi c t p trung vào gi i quy t toán tra c hư ng a vào c c n gi i quy t v n u theo hư ng nhanh xác Tác gi gi m khơng gian lưu tr lư c màu bi u di n nh gi i quy t v n t ng t c gi m không gian lưu tr lư c xác tra c Chúng tơi ã nghiên c u m t s thu t lư c p u trư ng h màu bi u di n nh quay d ch chuy n k thu t khác Trong màu c c b màu toàn c c GCH, lư c ó ã phân tích k LCH lư c màu kh i CCH Trên s phân tích ưu c i m c a k thu t này, xu t phương pháp tra c u nh d a vào c trưng th giác s tr lư c màu bi u di n nh nh y c m v HG phương pháp HG c i ti n Các m nh th c nghi m ã ch t c gi i quy t v n i quay d ch chuy n có tên ã c ch ng minh k t qu xác c a k thu t tra c u t ng xác tra c u thơng qua s trưng c c b , chúng tơi ã phân tích ưu i m h n ch tra c u nh d a vào c cak phân tích này, d ng thu t bi u di n ã k t qu th c nghi m ã ch xu t hi u qu 117 c nh xu t phương pháp c trưng th giác CSI CCS Hai phương pháp s c trưng c a vùng nh vào trình tra c u T minh t ã d ng không gian lưu s d ng t phân Trên s nh, m nh xác c a k d ng ã c ch ng thu t tra c u Tóm l i, óng góp c a lu n án ó là: Th nh t, lu n án ã xu t c phương pháp, có tên HG, tốn tra c u nh d a vào c trưng th giác trư ng h p nh b quay d ch chuy n gi m chi phí khơng gian lưu tr pháp ã lư c màu bi u di n phương pháp HG lu n án c ng ã a phương pháp HG c i ti n, có tên IHG, phương pháp c i ti n pháp HG Phương pháp ã c công b Th ba, lu n án xu t ã màu thông tin không gian K t p chí qu c t IJCSES n ng t qu c t v c ng ã xu t n ng t c cơng b t p chí Cơng ngh c h th ng tra c u k nh d a vào ng chia -K th p cnư nh thành vùng có kích c nh K thu t ã thu t ãư c xu t, ã xây d ng c trưng th giác có tên LVFIR H th ng lý module tra c u c nghiên c u ti p tương lai: c trưng k t c u - Xây d ng ch q trình tra thơng tin Truy n thông PTITJ g m hai module module ti n x M ts nh K c k thu t có tên ph c v d ng vùng trình tra c u Cu i cùng, s ng chia nh thành x lý nh CISP08 CCS K thu t trích rút màu c m màu thu n nh t khác s c trưng d ng vùng trình tra c u thu t CSI tác gi thu t c ng có kh c a phương c k thu t tra c u nh CSI d a vào c công b t i h i ngh Th tư, bên c nh k xác t c thu t có kh vùng có kích c khác s c u K nh Phương c công b t p chí qu c t IJCSES Th hai, s thu t ã gi i quy t c trưng hình vào trình tra c u ánh ch s CSDL nh - Th c nghi m CSDL t ng t c nh có kích thư c l n 118 trình tra c u a d ng nh DANH M C CÁC CÔNG TRÌNH CƠNG B [1] Quynh, N H and Tao, N Q (2009), “A novel method for content based image retrieval using color features”, International Journal of Computer Sciences and Engineering Systems, Vol.3, No.1, pp 1-6 [2] Quynh, N H and Tao, N Q (2009), “Improving HG Method for Content based Landscape Image Retrieval”, International Journal of Computer Sciences and Engineering Systems, Vol.3, No.1, pp 43-47 [3] Quynh, N H and Tao, N Q., Giang, N T (2008), “An efficient method for content based image retrieval using histogram graph, Proc of IEEE on Control, Automation, Robotics and Vision, pp 874-878 [4] Quynh, N H and Tao, N Q., Giang, N T (2008), “Efficient content based image retrieval through sector histogram”, Proc of IEEE on Circuits and Systems, pp 1814-1817 [5] Quynh, N H and Tao, N Q (2008), “Combining Color and Spatial Information for Retrieving Landscape Images” In Proc of IEEE on Image and Signal Processing, Vol - Volume 02, IEEE Computer Society, Washington, DC, pp 480-484 [6] Quynh, N H and Tao, N Q (2008), “Segmenting the images into homogeneous clusters for retrieving landscape images”, Posts, Telecommunications and Information Technology Journal (PTITJ), Issue 3, pp 54-59 [7] Nguy n H u Qu nh, Ngô Qu c T o (2007), “S ph c v tra c u nh phong c nh”, M t s v n truy n thông, tr 608-617, i L i 119 d ng c tính c c b c a vùng ch n l c c a công ngh thông tin TÀI LI U THAM KH O Ti ng Vi t [1] Nguy n H u Qu nh, Ngô Qu c T o (2007), “S d ng c tính c c b c a vùng ph c v tra c u nh phong c nh”, M t s v n c n l c c a công ngh thông tin h truy n thông, tr 608-617, i L i u Qu nh (2005), “Tra c u nh [2] Ngô Qu c T o, Ngô Trư ng Giang, Nguy n H d a n i dung s d ng bi u màu c c b c i ti n”, M công ngh thông tin truy n thơng, tr 543-550, H i Phịng t s v nch n l c c a Ti ng Anh [3] A C She and T S Huang (1994), “Segmentation of road scenes using color and fractal-based texture classification”, In Proc ICIP, Austin, pp 1026-1030 [4] B S Manjunath, and W Y Ma (1996), "Texture features for browsing and retrieval of image data", IEEE Trans on Pattern Analysis and Machine Intelligence, Vol 18, No 8, pp 837-842 [5] B Yates and R Neto (1999), Modern Information Retrieval, Addison Wesley [6] Carson C, Belongie S, Greenspan H, Malik J (2002), Blobworld: Image Segmentation Using Expectation-Maximization and its Application to Image Querying, IEEE Transactions on Pattern Analysis and Machine Intelligence,24(8): pp.1026–1038 [7] Chua T S., Lim S K., Pung H K (1994), “Content-based retrieval of segmented images”, ACM Multimedia, San Francisco, Ca., USA, pp 211-218 [8] D Tegolo (1994), "Shape analysis for image retrieval", Proc of SPIE, Storage and Retrieval for Image and Video Databases -II, no 2185, San Jose, CA, pp 59-69 [9] Deng, Y., Manjunath, B S., Kenney, C., Moore, M S., and Shin, H (2001) “An efficient color representation for image retrieval”, IEEE Trans on Image Processing, 10(1), pp.140–147 [10] Dow, J (1993), “Content-based retrieval in multimedia imaging”, In Proc of SPIE Storage and Retrieval for Image and Video Databases, pp 164-167 [11] Equitz, W and Niblack, W (1994), Retrieving images from a database using texture alogrithms from the QBIC system, Technical Report RJ 9805, Computer Science, IBM Research 120 [12] Forsyth D A, Ponce J (2002), Computer Vision: A Modern Approach, Prentice Hall, pp 599–619 [13] Faloutsos, C., Flickner, M., Niblack, W., Petkovic, D., Equitz, W., and R.Barber (1993), Efficient and effective querying by image content, Journal of Intelligent Information Systems, pp 231-262 [14] Flickner, M., Sawhney, H., Niblack, W., Ashley, J., Huang, Q., Dom, B., Gorkani, M., Hafner, J., Lee, D., Petkovic, D., Steele, D., and Yanker, P (1995), “Query by image and video content: The QBIC project”, IEEE Computer, 28(9), pp 23 - 32 [15] Fukunaga, K (1990), Introduction to Statistical Pattern Recognition Academic Press [16] G Pass, and R Zabith (1996), "Histogram refinement for content-based image retrieval", IEEE Workshop on Applications of Computer Vision, pp 96-102 [17] G.Pass, and R Zabith (1999), "Comparing images using joint histograms", Multimedia Systems, Vol.7, pp 234-240 [18] German, D (1990), “Boundary detection by constrained optimization”, IEEE Trans on Pattern Analysis and Machine Intelligence, pp 609- 628 [19] Geusebroek, J M., van den Boomgaard, R., Smeulders, A W M., and Geerts, H (2001), “Color invariance”, IEEE Trans on Pattern Analysis and Machine Intelligence, 23(12), pp 1338–1350 [20] Gevers, T and Smeulders, A W M (1999), “Color based object recognition”, Pattern Recognition, 32, pp 453–464 [21] Gunther, N and Beretta, G (2001), “A benchmark for image retrieval using distributed systems over the internet: BIRDS-I”, SPIE Vol 4311, pp 252-267 [22] Google Corporation (2009), http://images.google.com [23] H Samet (1984), "The quadtree and related hierarchical data structures", ACM Computing Surveys, Vol.16, No.2, pp 187-260 [24] H Tamura, S Mori, and T Yamawaki (1978), “Texture features corresponding to visual perception”, IEEE Transactions on Systems, Man, and Cybernetics, vol SMC-8, no 6, pp 460 - 473 [25] H V Jagadish (1991), "A retrieval technique for similar shapes", Proc of Int Conf on Management of Data, SIGMOID’91, Denver, CO, pp 208-217 [26] Hafner, J., Sawhney, H S., Equitz, W., Flickner, M., and Niblack, W (1995), “Efficient color histogram indexing for quadratic form”, IEEE Trans on Pattern Analysis and Machine Intelligence, 17(7), pp 729–736 [27] Hungarian algorithm http://en.wikipedia.org/wiki/Hungarian_algorithm 121 [28] James Z Wang, Jia Li, Gio Wiederhold (2001), “SIMPLIcity: Semanticssensitive Integrated Matching for Picture Libraries”, IEEE Trans on Pattern Analysis and Machine Intelligence, vol 23, no.9, pp 947-963 [29] J E Gary, and R Mehrotra (1992), "Shape similarity-based retrieval in image database systems", Proc of SPIE, Image Storage and Retrieval Systems, Vol 1662, pp 2-8 [30] J Huang, et al.(1997), "Image indexing using color correlogram", IEEE Int Conf on Computer Vision and Pattern Recognition, pp 762-768 [31] J Kender and B Yeo (1998), “Video scene segmentation via continuous video coherence”, In Proc of IEEE Computer Vision and Pattern Recognition, Santa Barbara, CA, IEEE Computer Society, pp 367-373 [32] K Ravishankar, B Prasad, S Gupta, and K Biswas (1999), “Dominant color region based indexing for CBIR”, Proc of the International Conference on Image Analysis and Processing, pp 887-892 [33] Lee, D., Barber, R., Niblack, W., Flickner, M., Hafner, J., and Petkovic, D (1994), “Indexing for complex queries on a query-by-content image database”, In Proc of IEEE Int’l Conf on Image Processing, vol.1, pp 142-146 [34] M A Stricker and M J Swain (1994) “The capacity of color histogram indexing”, In Proc of IEEE Conference on Computer Vision and Pattern Recognition, Madison, Wisconsin, pp 704.708 [35] M Lybanon, S Lea, and S Himes (1994), “Segmentation of diverse image types using opening and closing”, In Proc IEEE Int Conf on Image Proc, vol.1, pp 347-351 [36] M Stricker, and M Orengo (1995), "Similarity of color images", SPIE Storage and Retrieval for Image and Video Databases III, vol 2185, pp 381392 [37] M Worring and Th Gevers (2001), “Interactive retrieval of color images”, International Journal of Image and Graphics, 1(3), pp 387.414 [38] Ma, W.-Y and Manjunath, B S (1997), “Netra: A toolbox for navigating large image databases”, In Proc of IEEE Int Conf on Image Processing, vol.1, pp 568-571 [39] Manjunath, B S., Ohm, J R., Vasudevan, V V., and Yamada, A (2001), “Color and texture descriptors”, IEEE Tran on Circuits and Systems for Video Technology, 11(6), pp 703–715 [40] Nagasaka A., Tanaka Y.(1992), “Automatic video indexing and full-video search for object appearances”, Journal of Information Processing, vol.15, no.2, Information Processing Society of Japan, Tokyo, pp 113-127 122 [41] Pi, M., Mandal, M K., and Basu, A (2005), “Image retrieval based on histogram of fractal parameters”, IEEE Trans Multimedia 7, 4, pp 597–605 [42] Quynh, N H and Tao, N Q (2009), “A novel method for content based image retrieval using color features”, International Journal of Computer Sciences and Engineering Systems, Vol.3, No.1, pp 1-6 [43] Quynh, N H and Tao, N Q (2009), “Improving HG Method for Content based Landscape Image Retrieval”, International Journal of Computer Sciences and Engineering Systems, Vol.3, No.1, pp 43-47 [44] Quynh, N H and Tao, N Q (2008), “Improving Harbin method for retrieving landscape images”, In Proc of IEEE on Intelligent Information Hiding and Multimedia Signal Processing, pp 771-774 [45] Quynh, N H and Tao, N Q (2008), “Combining color and spatial information for retrieving landscape images”, In Proc of IEEE on Image and Signal Processing, vol.2, pp 480-484 [46] Quynh, N H and Tao, N Q (2008), “Segmenting the images into homogeneous clusters for retrieving landscape images”, Posts, Telecommunications and Information Technology Journal (PTITJ), Issue 3, pp 54-59 [47] Quynh, N H and Tao, N Q., Giang, N T (2008), “A efficient method for content based image retrieval using histogram graph”, In Proc of IEEE on Control, Automation, Robotics and Vision, pp 874-878 [48] Quynh, N H and Tao, N Q., Giang, N T (2008), “Efficient content based image retrieval through sector histogram”, In Proc of IEEE on Circuits and Systems, pp 1814-1817 [49] Q Iqbal and J K Aggarwal (2002), “CIRES: A System for Content-based Retrieval in Digital Image Libraries”, International Conference on Control, Automation, Robotics and Vision, pp 205-210 [50] R Diestel (1997), Graph theory: Graduate texts in mathematics, 173, New York : Springer [51] R Haralick and L Shapiro (1993), Computer and Robot Vision, AddisonWesley [52] R Datta, J Li, and J Z Wang (2008), “Algorithmic Inferencing of Aesthetics and Emotion in Natural Images: An Exposition”, Proc IEEE ICIP, pp 105-108 [53] R Samadani and C Han (1993), “Computer-assisted extraction of boundaries from images”, In Proc SPIE Storage and Retrieval for Image and Video Databases, pp 219-225 123 [54] R.O Stehling, M.A Nascimento, A.X Falc˜ao (2003), “Cell histograms versus color histograms for image representation and retrieval”, Knowledge and Information Systems (KAIS) Journal, pp 151-179 [55] R.O Stehling, M.A Nascimento, and A.X Falc˜ao (2001), An adaptive and efficient clustering-based approach for content based image retrieval in image databases, In Proc of the Intl Data Engineering and Application Symposium, pp 356–365 [56] R.O Stehling, M.A Nascimento, A.X Falc*ao (2002), Techniques for colorbased image retrieval, in: C Djeraba (Ed.), Multimedia Mining—A Highway to Intelligent Multimedia Documents, Kluwer Academic, Dordrecht (Chapter 4) [57] Rafael C Gonzalez, Richard E Woods (2000), Digital Image Processing, Addison-Wesley, New York [58] Ramesh Jain, Rangachar Kastun, Brian G Schunck (1995), Machine Vision (Chapter 3), McGRAW-HILL, pp 89-91 [59] Ritendra Datta, Dhiraj Joshi, Jia Li and James Z Wang (2008), ``Image Retrieval: Ideas, Influences, and Trends of the New Age,'' ACM Computing Surveys, vol 40, no 2, pp 1-60 [60] Rubner, Y., Tomasi, C., and Guibas, L J (1998), “A metric for distributions with applications to image databases”, In Proc of IEEE Computer Vision, 1998 Sixth International Conference on, pp 59-66 [61] S K Chang, E Jungert, and Y Li (1989), "Representation and retrieval of symbolic pictures using generalized 2D string", In: SPIE Proceedings on Visual Communications and Image Processing, Philadelphia, pp 1360-1372 [62] S K Chang, Q Y Shi, and C Y Yan (1987), "Iconic indexing by 2-D strings", IEEE Trans on Pattern Anal Machine Intell., vol.9, no.3, pp 413-428 [63] S Wang (2001), "A Robust CBIR Approach Using Local Color Histogram", Technique Report`, Edmonton, Alberta, Canada [64] S.-F Chang,W Chen, H J Meng, H Sundaram, and D Zhong (1997), “Videoq: An automated content based video search system using visual cues”, In Proceeding of The Fifth ACM International Multimedia Conference, Seattle WA, ACM Press, pp 313-324 [65] Scassellati, B., Alexopoulos, S., and Flickner, M (1994), “Retrieving images by 2D shape:a comparison of computation methods with human perceptual judgments”, In Proc of SPIE Storage and Retrieval for Image and Video Databases, pp 214 [66] Schettini, R., Ciocca, G., and Zuffi, S (2001), “Color Imaging Science: Exploiting Digital Media, Ed R Luo and L MacDonald”, chapter A Survey on Methods for Colour Image Indexing and Retrieval in Image Database, John Wiley 124 [67] Smith, J R and Chang, S.-F (1996), Intelligent Multimedia Information Retrieval, Ed M T Maybury, chapter Querying by color regions using the VisualSeek content-based visual query system, MIT Press [68] Smith, J R and Chang, S.-F (1997), Visually searching the web for content, IEEE Multimedia, volume 4, issue 3, pp 12 - 20 [69] Swain, M J and Ballard, D H (1991), “Color indexing”, International Journal of Computer Vision, 7(1), pp 11–32 [70] Smeulders A W M, Worring M, Santini S, Gupta A, Jain R ( 2000), "ContentBased Image Retrieval at the End of the Early Years", IEEE Transactions on Pattern Analysis and Machine Intelligence, pp 1349–1380 [71] TREC (2002), Text retrieval conference, http://trec.nist.gov [72] V Castelli and L D Bergman (2002), Image Database Search and Retrieval of Digital Imagery, John Wiley & Sons, Inc., New York [73] V N Gudivada, and V V Raghavan (1995), "Design and evaluation of algorithms for image retrieval by spatial similarity", ACM Trans on Information Systems, Vol 13, No 2, pp 115-144 [74] W Niblack et al.(1993), "Querying images by content, using color, texture, and shape", SPIE Conference on Storage and Retrieval for Image and Video Database, Vol 1908, pp.173-187 [75] Wang, Y H (2003), “Image indexing and similarity retrieval based on spatial relationship model” Inf Sci.Inf Comput Sci 154, 1-2, pp 39–58 [76] Wang’s research group (2004), http://wang.ist.psu.edu/docs/related.shtml [77] X Q Li, Z W Zhao, H D Cheng, C M Huang, and R W Harris (1994), “A Fuzzy logic approach to image segmentation”, In Proc IEEE Int Conf on Image Proc, pp 337-341 [78] Y Gong, H J Zhang, and T C Chua (1994), "An image database system with content capturing and fast image indexing abilities", Proc IEEE International Conference on Multimedia Computing and Systems, Boston, pp.121-130 [79] Y Rui, T Huang, and S Chang (1999), “Image retrieval: current techniques, promising directions and open issues”, Journal of Visual Communication and Image Representation, 10(4), pp 39–62 [80] T Lehmann, M Găuld, C Thies, B Fischer, K Spitzer, D Keysers, H Ney, M Kohnen, H Schubert, B Wein (2003), The IRMA Project – A State of the Art Report on Content-Based Image Retrieval in Medical Applications Proc Korea-Germany Joint Workshop on Advanced Medical Image Processing, pp 161–171 125 ... [43], phương pháp CSI (Color and Spatial Information) [45] phương pháp CCS (Cluster of Colors and Space) [46]: - Phương pháp tra c u nh d a vào c trưng màu, có tên HG [42] c i m c a phương pháp. .. n ng tra c u 41 Chương PHƯƠNG PHÁP TRA C U D A VÀO LƯ C MÀU KH I u nh d a vào Trong chương này, chúng tơi s trình bày phương pháp tra c c trưng th giác s d ng lư c màu kh i Trên s phương pháp. .. th hai phía có tr ng s G(X,Y,E) 2.2.2.2 Phương pháp HG Trong ph n trình bày phương pháp HG Phương pháp ã c công b [42] Ý tư ng c a phương pháp HG: Phương pháp tính lư c màu kh i i v i m i màu c
Ngày đăng: 30/07/2020, 10:18
Xem thêm: Nghiên cứu cải tiến một số phương pháp tra cứu ảnh sử dụng đặc trưng ảnh