CHƯƠNG 2: KỸ THUẬT TRA CỨU ẢNH DỰA VÀO NỘI DUNG VÀ SỬ DỤNG PHƯƠNG PHÁP TRUY VẤN ĐA ĐIỂM.
2.4 Số lượng khoảng cách biểu đồ màu
Một loạt các số liệu đã được đề xuất để tính toán khoảng cách giữa các biểu đồ màu. [Smi97]. Số liệu khoảng cách thành ba lớp, cụ thể là dạng khoảng cách Minkowsk, khoảng cách Quadratic và khoảng cách Nonhistogram.
2.4.1 Khoảng cách Minkowski
Trong [Smi97], số liệu khoảng cách Minkowski-hình thức so sánh chỉ các thùng giống nhau giữa biểu đồ màu (xem hình 2.4), và được định nghĩa là:
Hình 2.4: Số liệu khoảng cách Minkoski
Q và I là 2 hình ảnh, N là số thùng trong biểu đồ màu (cho mỗi hình ảnh chúng tôi sẽ giảm màu sắc để tồn tại trong không gian màu RGB, do đó mỗi biểu đồ màu sắc có N thùng). là giá trị của thùng I trong biểu đồ màu và là đại diện của ảnh Q. Tương tự là giá trị của I trong biểu đồ màu và là đại diện của ảnh I.
Khi r =1 khoảng cách Minkoski trở thành L, khi r = 2 khoảng cách Minkoski trở thành Euclidean. Trong thực tế, khoảng cách Euclide này có thể được coi như là khoảng cách không gian trong một không gian đa chiều.
Trong đồ án này chúng ta sử dụng căn bậc 2 của khoảng cách Euclidean và được định nghĩa là:
Để tính toán khoảng cách giữa 2 biểu đồ màu. 2.4.2 Khoảng cách Quadratic.
Các dự án QBIC [NBE93] sử dụng khoảng cách Quadratic, không chỉ so sánh các thùng tương tự mà còn nhiều thùng giữa các biểu đồ màu (xem hình 2.5) và được định nghĩa là:
Q và I là 2 hình ảnh, là biểu đồ màu của ảnh Q, là biểu đồ màu của ảnh I, A=[] là ma trận N x N, N là số thùng trong các biểu đồ màu và biểu thị sự giống nhau giữa màu sắc i và j.
Khoảng cách Quadratic khắc phục một thiếu sót của các khoảng cách Minkoski. Trong đó giả định các biểu đồ màu là không liên quan đến nhau.
Hình 2.5: Khoảng cách Quadratic 2.4.3 Khoảng cách Non-histogram
Stricker và Orengo [SO95] đề xuất các phương pháp tiếp cận để khắc phục hiệu ứng lượng tử hóa của các biểu đồ. Trong phương pháp này, các tính năng phân phối màu sắc của hình ảnh được đại diện bởi các tính năng nổi trội của nó (gọi là khoảnh khắc), cụ thể là trung bình, phương sai, và skewness. Đầu tiên là màu trung bình của hình ảnh, thứ hai là độ lệch chuẩn của mỗi kênh màu, và thứ ba là gốc rễ thứ ba của mỗi kênh màu. Chúng đc xác định như:
Tương ứng, là giá trị của các kênh màu ở các điểm ảnh của hình ảnh. Ei là màu trung bình của màu sắc kênh, là độ lệch chuẩn của các kênh màu, Si là gốc rễ thứ ba của các kênh màu. Và F là tổng số điểm ảnh. Nếu Q và I là hai ảnh và đặc điểm màu sắc của chúng được biểu diễn bởi màu sắc kênh thì sự giống nhau giữa hai hình ảnh này được định nghĩa là:
Khi đó: , là trọng lượng cụ thể người sử dụng
Stricker và Orengo cho thấy rằng cách tiếp cận của chúng tạo ra kết quả tốt hơn một chút và chạy nhanh hơn phương pháp histogrambased (vì mỗi hình ảnh sẽ được đại diện bởi chỉ có 9 số thực).