Use of Shape Features in Content-Based Image Retrieval
No Thumbnail Available
URL
Journal Title
Journal ISSN
Volume Title
Helsinki University of Technology |
Diplomityö
Checking the digitized thesis and permission for publishing
Instructions for the author
Instructions for the author
Authors
Date
1999
Major/Subject
Informaatiotekniikka
Mcode
Tik-61
Degree programme
Language
en
Pages
124
Series
Abstract
Työn tarkoituksena on tutkia muotopiirteiden käyttöä sisältöpohjaisessa kuvahaussa ja toteuttaa muotopiirteet PicSOM-nimiseen järjestelmään. PicSOMin käyttötarkoituksen ja rakenteen takia pääpaino on asetettu sellaisille piirteille, joiden avulla mielivaltaisista kohteista otetut kuvat voidaan indeksoida vakiomittaisilla piirrevektoreilla ja joissa euklidista etäisyyttä voidaan käyttää samanlaisuusmittana. Kirjallisuustutkimuksessa käydään läpi tunnetuimmat muodon esittämismenetelmät, jotka on julkaistu tieteellisissä lehdissä sekä konferenssijulkaisuissa. Tämän pohjalta valitaan muutamia menetelmiä, jotka eivät vaadi kuvien segmentointia. Valitut menetelmät sisältävät sekä lokaaleja että globaaleja muotopiirteitä. Lokaaleista piirteistä tutkitaan Sobelin operaattoreiden avulla laskettua reunasuuntahistogrammia ja sen variaatioita. Globaaleista piirteistä tutkitaan reunakuvan ja sen polaarimuunosten magnitudispektreistä saatuja piirteitä. Valittujen menetelmien toimintaa testataan sekalaisia kuvia sisältävällä tietokannalla, jossa on 4350 kuvaa. Saatujen tulosten pohjalta voidaan päätellä, että sekä lokaali että globaali kuvainformaatio on tärkeää indeksoinnin kannalta. Lisäksi kuvatietokannan sisältö vaikuttaa oleellisesti muotopiirteiden valintaan. Tulokset myös tukevat arviota, että sekalaisten kuvien tietokannassa rotaatio-, translaatio- ja skaalausinvarianssien vaatiminen piirteiltä ei välttämättä ole eduksi. Tutkituista menetelmistä parhaiten toimivat reunakuvan magnitudispektristä muodostettu piirrevektori ja reunasuunnista muodostettu yhteismatriisiesitys. Luotettavuusanalyysin perusteella piirteiden erottelukyky on samaa luokkaa, mutta PicSOM-järjestelmässä magnitudispektristä muodostettu piirre toimii hieman paremmin testatulla kuvatietokannalla.Description
Supervisor
Oja, ErkkiThesis advisor
Laaksonen, JormaKeywords
shape, muoto, shape features, muotopiirteet, shape retrieval, muotojen luokittelu, feature extraction, piirreirrotus, content-based image retrieval, sisältöpohjainen kuvahaku, image database, kuvatietokannat, Self Organizing Map, itseorganisoiva kartta, neural computing, neuraalilaskenta