„ Single Color Extraction

1. Proseminar SS 2005: Distanzen und Ähnlichkeitsmaße im hochdimensionalen Raum „Single Color Extraction and Image Query“ Sebastian Bertram 23.05.2005

2. Gliederung Gliederung • Einleitung • Farbräume • Inhaltsbasierte Analyse von Bildern • Farbhistogramme • Farb(bild)segmentierung • Indexierung • Auswertung und zukünftige Möglichkeiten der Verbesserung Single Color Extraction and Image Query Sebastian Bertram Seite 1 /21

3. Einleitung Content-based Image Retrieval (CBIR)-System Anforderungen: • Identifikation und Verwendung intuitiver visueller Merkmale • wirksame Merkmalsdarstellung und Diskriminierung • automatisches Herausziehen räumlich lokalisierter Merkmale • Techniken für effiziente Indexierung und Retrieval von Multimedia- • Datenbeständen Single Color Extraction and Image Query Sebastian Bertram Seite 2 /21

4. Einleitung Ablaufdiagramm eines CBIR-Systems: Single Color Extraction and Image Query Sebastian Bertram Seite 3 /21

5. Einleitung Farbbasierter Ansatz: Farbe: Welche Farbe(n) ist (sind) in einem Bild hauptsächlich vertreten? Farbverteilung: Wie sind die unterschiedlichen Farben verteilt? Farbkomposition: An welcher Position sind welche Farben zu finden? [Textur: Welche Muster oder Konturen erscheinen in einem Bild und wie sind sie im Bild ausgerichtet] Beispiele: • eine durch blaue umgebene gelblich-orangefarbene Stelle d.h., ein • Sonnenuntergang • setzte ein Gebiet von roten, weißen und blauen zusammen, d.h., eine US- • Flagge Single Color Extraction and Image Query Sebastian Bertram Seite 4 /21

6. Grundlagen RGB-Farbraum: Darstellung am Bildschirm additives Farbmodell Problem: sehr empfindlich gegenüber Beleuchtungsänderungen der Umgebung keine Möglichkeit, farbähnliche Flächen einfach zusammenzufassen Single Color Extraction and Image Query Sebastian Bertram Seite 5 /21

7. Grundlagen HSV-Farbraum: Farbtons (Hue), Sättigung (Saturation) Helligkeit (Value, Brightness, Lightness, Intensity) Single Color Extraction and Image Query Sebastian Bertram Seite 6 /21

8. Farbhistogramme Farbhistogramme: Farbverteilung eines Bildes (auf Pixelbasis). (1) Auswahl eines Farbraums, (2) Quantisierung des Farberaumes, (3) Berechnung der Histogramme, (4) Berechnung der Histogrammentfernungsfunktion, (5) Identifikation der Indexierungen Single Color Extraction and Image Query Sebastian Bertram Seite 7 /21

9. Farbhistogramme Probleme: Single Color Extraction and Image Query Sebastian Bertram Seite 8 /21

10. Farbhistogramme Probleme (Fortsetzung): sehr verschiedene Bilder können das gleiche Farbhistogramm aufweisen, Keine Extraktion weiterer lokalisierter Merkmale möglich Vorteile: rotations-, und translationsinvariant robust gegenüber Skalierungen von Objekten sowie teilweise Verdeckung Single Color Extraction and Image Query Sebastian Bertram Seite 9 /21

11. Farbhistogramme Distanzfunktionen: Probleme der euklidischen Distanz Seien HPund HQdie Farbhistogramme der Bilder P und Q. Single Color Extraction and Image Query Sebastian Bertram Seite 10 /21

12. Farbhistogramme dist²(pink,rot) = (pink – red)T x(pink – red) dist²(pink,blau) = (pink – blue)T x(pink – blue) Single Color Extraction and Image Query Sebastian Bertram Seite 11 /21

13. red pink blue red DA(‘red’, ‘blue’) = pink blue DA(‘pink’, ‘blue’) = DA(‘red’, ‘pink’) = Farbhistogramme Quadratische Form als Distanzfunktionen Ähnlichkeit der Dimensionen i und j in den Vektoren Ähnlichkeitsmatrix A = [aij] Single Color Extraction and Image Query Sebastian Bertram Seite 12 /21

14. Farbsegmentierung Farbsegmentierung Ziel: Zusammenfassen gleichfarbiger Flächen in Regionen Lokalisierung der räumlichen Farbinformationen innerhalb der Bilder Vorteile: Ermöglicht auch Retrival mit unvollständigen Informationen Verbesserung der Retrieval Performance Bild wird in Suchräume unterteilt QBIC-System verlangt manuelle Segmentierung der Bilder Automatische Segmentierung noch nicht in IR-Systeme integriert Single Color Extraction and Image Query Sebastian Bertram Seite 13 /21

15. Farbsegmentierung Skalierung auf vordefiniertes Seitenverhältnis (Optional) 196x196 Pixel Transformation in den HVS Farbraum Nutzung einer reduzierten, der Problemstellung angepassten Farbpalette Farbreduzierung auf 166 Farben Single Color Extraction and Image Query Sebastian Bertram Seite 14 /21

16. Farbsegmentierung Detailreduzierungen durch Filter 5x5 Median Filter auf jeden HSV Farbkanal Colorizing Algorithmus Nachteil: Beschränkung auf farbtexturierte Objekte Single Color Extraction and Image Query Sebastian Bertram Seite 15 /21

17. Farbsegmentierung Flächenwachstumsverfahren durch Schwellenwerte Mindestgröße für Regionen Absoluter und relativer Beitrag jeder Farbe Kriterien für Verschmelzung mit Nachbarregionen möglichst geringe Farbabweichung möglichst lange gemeinsame Grenze Single Color Extraction and Image Query Sebastian Bertram Seite 16 /21

18. Indexierung Extraktion von Farbmerkmalen und Indexierung Speicherung der Merkmale in Vektoren Single Color Extraction and Image Query Sebastian Bertram Seite 17/21

19. Indexierung Vergleich von Bildern = Vergleich ihrer Merkmalsvektoren Darstellung als Punkt im n-dimensionalen Raum Daten werden relativ bezüglich ihrer Lage zueinander gespeichert Indexstrukturen: Quadtree Gridfiles Voronoi-Diagramm R-Bäume Single Color Extraction and Image Query Sebastian Bertram Seite 18 /21

20. Auswertung Suche nach effizienteren und genaueren Algorithmen und Methoden • Texturanalyse Beschreibung der im Bild vorkommenden Oberflächenstrukturen (einflächig, mehrflächig oder fleckig, Kontrast, Grobheit, Linienhaftigkeit, Gerichtetheit, Regelmäßigkeit und Geschmeidigkeit) • Konturanalyse textuelle Beschreibung der im Bild enthaltenen Umrisse Klassifikation in geometrischen Formen aus einer vordefinierten Menge Single Color Extraction and Image Query Sebastian Bertram Seite 19 /21

21. Auswertung • Objekterkennung Single Color Extraction and Image Query Sebastian Bertram Seite 20 /21

22. Vielen Dank für die Aufmerksamkeit! Gibt‘s noch Fragen Single Color Extraction and Image Query Sebastian Bertram Seite 21 /21