칼라 영상으로부터 특징 벡타를 추출하는 방법에 있어서,

HSI 칼라 공간내의 각 축에 대하여, 상기 칼라 영상의 화소에 대한 비균등 양자화를 통해 상기 화소의 칼라 그룹을 생성하고, 생성된 상기 각 그룹에 대한 히스토그램을 계산하여, 상기 칼라 영상의 칼라 특징 벡타인 NICO 및 GICO 행렬을 추출하는 칼라 특징 추출 단계;

상기 칼라 특징 추출 단계에서 생성된 상기 NICO 행렬로부터 우위 칼라의 수를 결정하는 단계; 및

상기 칼라 영상내의 물체의 윤곽선에 해당하는 화소들을 대상으로 향상된 불변 모멘트(IMI) 계산을 통해 상기 물체의 전체적인 윤곽선을 추출하고, 미리 결정된 상기 우위 칼라의 수를 기초로 해서, 각각의 우위 칼라별 불변 모멘트를 계산하여, 상기 우위 칼라의 개별적인 윤곽선을 추출하는 모양 특징 추출 단계

를 포함하는 특징 벡타 추출 방법

제1항에 있어서, 상기 칼라 특징 추출 단계는,

HSI 칼라축으로 이루어지는 HSI 칼라 공간내에서, 상기 칼라 영상의 전체 화소에 대한 다수의 칼라 그룹을 비균등하게 할당하는 비균등 양자화 단계,

상기 HSI 축에 대해 할당된 각각의 상기 칼라 그룹에 속하는 화소가 이와 대응하는 칼라의 전체 화소에 속하는 확률을 계산하여 각각의 상기 HSI 축에 대한 히스토그램을 생성하는 단계, 및

상기 양자화된 칼라 그룹의 경계상에서 이웃하는 화소들의 비율을 나타내는 NICO 행렬 및 상기 양자화된 각각의 칼라 그룹에 해당하는 화소가 전체 칼라 영상에서 차지하는 비율을 나타내는 GICO 행렬을 생성하는 단계

를 포함하는 특징 벡타 추출 방법

제1항에 있어서, 상기 모양 특징 추출 단계는,

상기 칼라 영상내의 물체의 윤곽선을 찾기 위하여 모폴로지 연산자를 사용하여 모폴로지 연산을 수행하는 모폴로지 연산 단계,

상기 모폴로지 연산 결과로부터 칼라 영상내의 상기 물체의 윤곽선을 추출하는 단계,

상기 물체의 윤곽선에 해당하는 화소들을 이용하여 향상된 불변 모멘트(IMI)를 계산하여 상기 물체의 전체적인 윤곽선을 추출하는 단계, 및

미리 정해진 상기 우위 칼라별 불변 모멘트를 계산하는 단계

를 포함하는 특징 벡타 추출 방법

제2항에 있어서, 상기 비균등 양자화 단계는 비균등 양자화를 위해 엘로이드-맥스 양자화기(Lloyd-Max Quantizer)를 사용하는 특징 벡타 추출 방법

제2항에 있어서, 상기 HSI 각 축에 대한 히스토그램 생성 단계는 칼라 그룹을 각각 상기 H축에서 4개, S축 및 I축에서 각각 2개로 할당하여 모두 16개의 칼라 그룹으로 할당하는 특징 벡타 추출 방법

상기 제2항에 있어서, 상기 NICO 행렬 생성 단계는, 상기 칼라 양자화후 칼라 영상의 분할된 그룹에 대해 레이블링을 하는 단계,

상기 각 칼라 그룹의 경계에 해당하는 화소들에 대한 이웃 화소들의 그룹 번호를 확인하고, 그 그룹 번호 수를 카운트하는 단계,

상기 행렬의 대각 성분값에 전체 화소에 대한 자신이 속하는 그룹에 해당하는 화소의 비율을 대입하는 단계,

상기 행렬의 비대각 성분값에 각 그룹들에 대해 이웃하는 그룹들의 전체 화소에 대한 비율을 대입하는 단계, 및

주어진 그룹 수 만큼의 상기 행렬의 대각 성분값과 비대각 성분값으로 이루어진 정방 행렬을 생성하는 단계를 포함하는 특징 벡타 추출 방법

상기 제2항에 있어서, 상기 GICO 행렬 생성 단계는,

상기 칼라 양자화를 거친 후, 주어진 영상의 분할된 칼라 그룹에 대한 레이블링을 하는 단계,

상기 분할된 각 그룹에 해당하는 화소들의 좌표값을 기초로 해서 각 화소들의 좌표값에 대한 평균값과 분산값을 계산하는 단계,

상기 행렬의 대각 성분값에 상기 계산된 분산값을 대입하는 단계,

제7항에 있어서, 상기 평균값과 상기 분산값은 수학식 1과 2로 구해지는 특징 벡타 추출 방법으로서, 상기 수학식 1과 2는 다음과 같으며

[수학식 1]

9

제7항에 있어서, 상기 시티-블럭 디스턴스를 정규화한 값은 수학식 3으로부터 구해지는 특징 벡타 추출 방법으로서, 상기 수학식 3은 다음과 같으며

[수학식 3]

10

제3항에 있어서, 상기 우위 칼라별 불변 모멘트는 그 계수가 우위 칼라 수마다 생성되어 우위 칼라 수(Cdom)*7 의 수가 되는 특징 벡타 추출 방법

칼라 영상에서의 특징 벡타를 사용하여 검색될 질의 영상과 영상 데이타베이스내에 저장된 영상의 정합을 수행하는 영상 검색 방법에 있어서,

HSI 칼라 공간내의 각 축에 대하여, 상기 칼라 영상의 화소에 대한 비균등 양자화를 통해 상기 화소의 칼라 그룹을 생성하고, 생성된 상기 각 그룹에 대한 히스토그램을 계산하여, 상기 칼라 영상의 칼라 특징 벡타인 NICO 및 GICO 행렬을 추출하는 칼라 특징 추출 단계;

상기 칼라 특징 추출 단계에서 생성된 상기 NICO 행렬로부터 우위 칼라의 수를 결정하는 단계;

제11항에 있어서, 상기 NICO 및 GICO 행렬 성분값 비교는 수학식 4와 5에 의해 각각의 행렬의 성분값에 대한 유클리디언 거리 연산을 통해 수행되는 영상 검색 방법으로서, 상기 수학식 4와 5는 다음과 같으며

[수학식 4]

13

제11항에 있어서, 상기 IMI 계수값 및 우위 칼라별 불변 모멘트 계수값 비교는 수학식 6과 7에 의해 각각의 상기 계수값에 대한 유클리디언 거리 연산을 통해 수행되는 영상 검색 방법으로서, 상기 수학식 6과 7은 다음과 같으며

[수학식 6]

14

제11항에 있어서, 상기 각각의 4가지 칼라 및 모양 특징 비교 결과 값을 서로 조합하여 최종 검색 결과 영상을 결정하기 전, 사용자가 임의로 상기 비교 결과값에 그 중요도를 결정하기 위하여 각각의 가중치 w1,w2, w3 및 w4를 부여하는 단계를 더 포함하는 영상 검색 방법

제11항 내지 제14항 중 어느 한 항에 있어서, 상기 칼라 및 모양 특징 비교 결과인 4가지 값을 서로 조합하여 최종 검색 결과 영상을 결정하기 위한 칼라 및 모양 특징 정합 유사도 결정은 수학식 8에 의해 수행되는 영상 검색 방법으로서, 상기 수학식 8은 다음과 같으며

[수학식 8]

지정국 정보가 없습니다