|
|
|
|
| LEADER |
07219nam a2200241uu 4500 |
| 005 |
20190405154926.0 |
| 008 |
s2000 ci a |||||||||| ||hrv|d |
| 035 |
|
|
|a HR-ZaFER 16469
|
| 040 |
|
|
|a HR-ZaFER
|b hrv
|c HR-ZaFER
|e ppiak
|
| 041 |
|
|
|a hrv
|
| 080 |
|
|
|a 621.397.31
|h ANALIZE I REPRODUKCIJE SLIKE SKANIRANJE (RAZLAGANJE)
|j ISTOVREMENA ANALIZA SVIH ELEMENATA SLIKE
|e 621.397.3
|9 1467
|
| 080 |
|
|
|a 681.3
|h PRECIZNI MEHANIZMI I INSTRUMENTI
|j OPREMA ZA OBRADU PODATAKA
|e 681
|9 1740
|
| 100 |
1 |
|
|9 17820
|a Grgić, Mislav
|
| 245 |
|
|
|a Pretraživanje slika primjenom prostorno - frekvencijske analize :
|b doktorska disertacija /
|c Mislav Grgić ; [mentor Branka Zovko-Cihlar]
|
| 260 |
|
|
|a Zagreb :
|b M. Grgić ; Fakultet elektrotehnike i računarstva,
|c 2000.
|
| 300 |
|
|
|a 161 str. :
|b ilustr. ;
|c 30 cm +
|e CD
|
| 504 |
|
|
|a Bibliografija str. 152-155.
|
| 520 |
|
|
|a U disertaciji je istraživanje usmjereno prema teksturi kao jednoj od četiri karakteristike (boja, tekstura, oblik i kretanje) kojima se, prema prijedlogu nove MPEG-7 norme, slika može opisati u sustavu za pretraživanje slika. Kako bi se tekstura mogla koristiti u takvom sustavu, nužno je kao prvi korak odrediti njene značajke. U tu je svrhu korištena prostorno-frekvencijska analiza pomoću Gaborovih funkcija koja pokazuje dobra svojstva za određivanje značajki tekstura, određujući jedan vektor značajki s 48 komponenti za jednu sliku. Primjenom takve analize, fomirana je slikovna baza s Brodatz teksturama koje su norma za obradu slika s teksturama. Pomoću računalnog programa izveden je algoritam za pretraživanje tekstura koji se temelji na mjerenju udaljenosti vektora značajki. Prikazano je nekoliko primjera rezultata pretraživanja. Nedostaci opisanog postupka su vezani uz nemogućnost objektivnog ispitivanja točnosti algoritma te uz veliki broj rezultata pretraživanja.
Kako bi se ispravili nedostaci opisanog postupka, prišlo se izradi novog algoritma za pretraživanje tekstura koji se temelji na pristupu s presjekom međurezultata nad podslikama. Takvim pristupom postiglo se nekoliko poboljšanja: slikama se pristupilo po slikovnim područjima, omogućilo se objektivno ispitivanje djelotvornosti algoritma za pretraživanje, te se ograničio broj rezultata pretraživanja na prihvatljivi iznos. Algoritam za formiranje podslika i svi ostali algoritmi također su izvedeni pomoću, u tu svrhu razvijene, programske podrške. Na temelju rezultata pretraživanja dokazano je da novi pristup unosi spomenuta poboljšanja u postupak pretraživanja.
Određivanje značajki teksture primijenjeno je na analizu s prirodnim slikama. Provedena su različita ispitivanja točnosti algoritma za pretraživanje, a rezultati su prikazani grafički uspoređujući ukupni broj dohvaćenih slika s brojem točnih rezultata pretraživanja. Utvrđeno je da se programska podrška prilagođena analizi tekstura može primijeniti i na analizu prirodnih slika, te da će i za taj slučaj točnost rezultata pretraživanja biti zadovoljavajuća.
Prišlo se novom području važnom za proces stvaranja MPEG-7 norme: klasifikacija različitih skupina slika te pretraživanje slika nakon utvrđivanja pripadnosti upitne slike odgovarajućoj skupini slika. Formirano je nekoliko skupina slika, pri čemu svaka skupina ima isti sadržaj (glave, lica, vlakovi, cvijeće, zmije, portreti, brda). Za svaku pojedinu skupinu slika utvrđena je sličnost statističkih svojstava te je proračunat središnji vektor. Provelo se ispitivanje točnosti pri utvrđivanju pripadnosti upitne slike odgovarajućoj skupini slika, koje je dalo dobre rezultate jer se pokazalo da novi algoritam za pretraživanje skupina slika ubrzava postupak pretraživanja, a u isto vrijeme ga čini i djelotvornijim.
Ključne riječi: pretraživanje slika, MPEG-7, tekstura, Gaborovi filtri, značajka slike, presjek međurezultata, klasifikacija sadržaja slika
|
| 520 |
|
|
|a Research results presented in this dissertation are based on the texture as one of the four parameters (colour, texture, shape and motion) which can be used for the image description in the image retrieval systems, according to the new MPEG-7 standard. As the first step, texture features should be extracted to enable the use of texture for image retrieval purposes. Texture features extraction has been done by spatial-frequency analysis using Gabor filters. This analysis shows good performance for the texture features extraction, describing the image with one vector that contains 48 components. Spatial-frequency analysis was applied to Brodatz textures and image database was created. Brodatz textures are standard for the texture image processing. Software for the implementation of texture retrieval algorithm was produced. Algorithm is based on measurement of distance between feature vectors. Some examples of retrieval results are shown. Problems of the described method include the impossibility for the objective evaluation of algorithm performance and large number of retrieval results.
To solve these problems, new texture retrieval algorithm based on the intersection of the results on the subimage level was realised. This approach has several advantages: image is divided in the non-overlapped regions (subimages), algorithm can be objectively evaluated, and the number of the results is suitably reduced. Image splitting algorithm and all the other algorithms are also realised by creating adequate software solutions. Retrieval results produced using new intersection approach confirm that this approach improves retrieval process.
The method for texture features extraction was used in natural image analysis. Different tests of the retrieval algorithm accuracy have been performed, and the results are presented graphically comparing the total number of retrieved images with the number of accurate retrieval results. The retrieval accuracy for this case is acceptable. It confirms that texture features extraction method can be used for the analysis of the natural images.
New approach, important for the MPEG-7 standardisation process, was introduced: classification of images according to their content. For this case, the retrieval of images is based on the comparison between the query image and available different image classes. Few image classes are created in a way that each class has the same image content (heads, faces, trains, flowers, snakes, portraits, and hills). For each image class, similarity between feature vectors is analysed, and one centroid per class is calculated. The accuracy of image classification algorithm was tested. Each image from each database was taken as a query image, compared with the 7 centroids, and classified according to minimum distance measure between the query feature vector and the centroid. The results show that the new algorithm for the image retrieval based on image content classification reduces retrieval process time and, in the same time, improves the retrieval accuracy.
Key Words: Image Retrieval, MPEG-7, Texture, Gabor Filters, Image Feature, Intersection of Results, Image Content Classification
|
| 700 |
|
|
|4 ths
|9 5829
|a Zovko-Cihlar, Branka
|
| 942 |
|
|
|c D
|2 udc
|
| 990 |
|
|
|a 15963
|
| 999 |
|
|
|c 14851
|d 14851
|