Color_moments
カラーモーメントは、中心モーメントが確率分布を一意に表すのと同じ方法で、画像のカラー分布を特徴付ける尺度です。カラー モーメントは主に、2 つの画像が色に基づいてどの程度似ているかを比較するために、画像検索アプリケーションの機能としてカラー インデックス作成の目的で使用されます。通常、1 つの画像は、類似の画像を見つけて取得するために、事前に計算された特徴を持つデジタル画像のデータベースと比較されます。画像を比較するたびに類似性スコアが得られ、このスコアが低いほど、2 つの画像はより同一であると見なされます。
コンテンツ
1 概要
1.1 平均 1.2 標準偏差 1.3 歪度 1.4 尖度 1.5 高次の色の瞬間
2 アプリケーション
2.1 カラーインデックス
3 例
4 こちらもご覧ください
5 参考文献
6 参考文献
7 外部リンク
概要
カラー モーメントは、スケーリングと回転に不変です。ほとんどの色分布情報は低次モーメントに含まれているため、通常、最初の 3 つのカラー モーメントのみが画像検索アプリケーションの特徴として使用されます。カラー モーメントは形状と色の両方の情報をエンコードするため、変化する照明条件の下で使用するのに適した機能ですが、オクルージョンをうまく処理することはできません。カラー モーメントは、任意のカラー モデルに対して計算できます。チャネルごとに 3 つのカラー モーメントが計算されます (たとえば、カラー モデルがRGBの場合は 9 モーメント、カラー モデルがCMYKの場合は 12 のモーメント)。色モーメントの計算は、確率分布のモーメントの計算と同じ方法で行われます。
平均 Mean 最初のカラー モーメントは、画像の平均的な色として解釈でき、次の式を使用して計算できます。え I = ∑ j=1 1N p
I j { E_{i}=textstyle sum _{j=1}^{N}{frac {1}{N}}p_{ij}}
ここで、N は画像のピクセル数で、p I j
{ p_{ij}}
は、i 番目のカラー チャネルにおけるイメージの j 番目のピクセルの値です。
標準偏差 Standard_deviation 2 番目のカラー モーメントは標準偏差です。これは、カラー分布の分散の平方根をとることによって得られます。 σ I = ( 1N = 1 N( pI j − え I) 2 )
{ sigma _{i}={sqrt {({frac {1}{N}}textstyle sum _{j=1}^{N}(p_{ij}-E_{i}) ^{2})}}}
どこえ I
{ E_{i}}
イメージの i 番目のカラー チャネルの平均値または最初のカラー モーメントです。
歪度
歪度
3 番目のカラー モーメントは歪度です。色分布の非対称性を測定し、色分布の形状に関する情報を提供します。歪度は、次の式で計算できます。s I =( 1N ∑ j =1 ( pI j −
えI ) 3 ) 3
{ s_{i}={sqrt{({frac {1}{N}}textstyle sum _{j=1}^{N}(p_{ij}-E_{ i})^{3})}}}
尖度
尖度
尖度は 4 番目のカラー モーメントであり、歪度と同様に、カラー分布の形状に関する情報を提供します。より具体的には、尖度は、正規分布と比較して裾がどの程度極端であるかの尺度です。
高次の色の瞬間
Moment_(数学) § Higher_moments
高次の色モーメントは、通常、画像検索タスクの色モーメント機能セットの一部ではありません。これは、値の適切な推定を取得するために、より多くのデータが必要であり、低次のモーメントでも一般に十分な情報が得られるためです。
アプリケーション
色の瞬間は、画像の検索に重要な用途が2 つの画像の類似性を比較するために使用できます。これは、カラー インデックス作成に対する比較的新しいアプローチです。カラーモーメントを使用する最大の利点は、完全なカラー分布を保存する必要がないという事実に比較する機能が少ないため、これにより画像検索が大幅に高速化されます。さらに、最初の 3 つのカラー モーメントの単位は同じであるため、それらを比較することができます。
カラーインデックス
カラー インデックスは、カラー モーメントの主なアプリケーションです。画像にはインデックスを付けることができ、インデックスには計算されたカラー モーメントが含まれます。次に、誰かが特定の画像を持っていて、データベースで類似の画像を見つけたい場合、関心のある画像の色モーメントも計算されます。その後、対象の画像とデータベース内のすべての画像との間の類似性スコアを計算するために、次の関数が使用されます。 d メートル o メートル( H 私) = ∑ I=1 w 1 | |
え
−
| |+ w 2
| |σ I
1 − σ I 2
| |+ w 3
| | s −
| |
{ d_{mom}(H，I)=textstyle sum _{i=1}^{r}w_{i1}|E_{i}^{1}-E_{i}^{2}| +w_{i2}|sigma _{i}^{1}-sigma _{i}^{2}|+w_{i3}|s_{i}^{1}-s_{i}^{2 }|}
どこ：
H と I は、比較される 2 つの画像の色分布です。
i はチャネル インデックス、r はチャネルの総数です。え I 1
{ E_{i}^{1}}
とえ I 2
{ E_{i}^{2}}
画像分布に対して計算された一次モーメントです。σ I 1
{ sigma _{i}^{1}}
とσ I 2
{ sigma _{i}^{2}}
イメージ分布に対して計算された 2 次モーメントです。
s_i^1 と s_i^2 は、画像分布に対して計算された 3 次モーメントです。w I 1
{ w_{i1}}
、w I 2
{ w_{i2}}
、 とw I 3
{ w_{i3}}
使用される 3 つのカラー モーメントのそれぞれについて、ユーザーが指定する重みです。
最後に、データベース内の画像は、計算された対象画像との類似度スコアに従ってランク付けされ、最も低いデータベース画像がランク付けされます。 d メートル o メートル( H 私 ) { d_{mom}(H，I)}
値を取得する必要が「に基づく検索 d メートル o メートル( H 私 ) { d_{mom}(H，I)}
インデックスにはカラーチャネル間の相関に関する情報が含まれていないため、誤検知が発生する可能性があります」.
例
画像検索タスクにカラー モーメントを使用する簡単で簡潔な例をに示します。
データベースと「新しいイメージ」にいくつかのテスト イメージを用意目標は、「新しい画像」に似た画像をデータベースから取得することです。最初の 3 つのカラー モーメントが特徴として使用されます。この計算にはいくつかのステップが
画像の前処理 (オプション) – 計算プロセスの画像の前処理ステップはオプションです。たとえば、この手順では、すべての画像を同じサイズ (ピクセル単位) に変更できます。ただし、カラーモーメントはスケーリングに対して不変であるため、すべての画像を同じ幅と高さにする必要はありません。
特徴の計算- 画像内の各カラー チャネルの最初の 3 つのモーメントを計算するために、カラー モーメント式を使用します。たとえば、HSV 色空間が使用されている場合、これは、各画像について、合計で 9 つの特徴が計算されることを意味します (色相、彩度、および値チャネルの最初の 3 つの順序モーメント)。
類似度スコアの計算- カラー モーメントを計算した後、 d メートル o メートル( H 私 ) { d_{mom}(H，I)}
機能はユーザーが決定する必要が重みは、アプリケーションまたは画像の状態と品質に応じて毎回調整する必要がそれに続いて、 d メートル o メートル( H 私 ) { d_{mom}(H，I)}
関数は、「新しい画像」とデータベース内の各画像の類似性スコアを計算するために使用されます。
ランキングと画像検索- 前のステップから、 d メートル o メートル( H 私 ) { d_{mom}(H，I)}
値が得られた．これらの値を比較して、データベース内のどの画像が「新しい画像」により似ているかを判断し、それに応じてデータベース画像をランク付けできます。小さいほど d メートル o メートル( H 私 ) { d_{mom}(H，I)}
値は、2 つの色分布がより似ていると想定されます。最後に、上位にランク付けされた画像の一部 (最小の画像) d メートル o メートル( H 私 ) { d_{mom}(H，I)}
値) がデータベースから取得されます。
こちらもご覧ください
中心的な瞬間
カラーヒストグラム
コンテンツベースの画像検索
画像の瞬間
参考文献
^ Hui Yu， Mingjing Li， Hong-Jiang Zhang， Jufu Feng. 「コンテンツベースの画像検索のためのカラー テクスチャ モーメント」。議事録 IEEE国際会議。画像処理について、pp. 929-932、2002 年 9 月
^ Xiaoyin Duanmu. 「カラー モーメント インバリアントを使用した画像検索」。第 7 回国際情報技術会議、pp. 200-203、2010 年。
^ M. ストリッカーと M. オレンゴ. 「カラー画像の類似性」。SPIE Conference on Storage and Retrieval for Image and Video Databases III、ボリューム 2420、pp. 381-392、1995 年 2 月。
^ V. Chitkara、MA Nascimento、および C. Mastaller. 「バイナリ署名を使用したコンテンツベースの画像検索」. テクニカル レポート TR-00-18、アルバータ大学コンピューティング サイエンス学部、2000 年
^ ノア・キーン. 「カラーモーメント」。2005年2月
参考文献
Afifi、Ahmed J.; ウェサム・アシュア （2011)。カラー機能を使用したコンテンツに基づく画像検索: カラー画像の処理と検索。ラップ ランバート アカデミック パブリッシング。
ダッタ、リテンドラ。Dhiraj Joshi、Jia Li、James Z. Wang （2008)。「画像検索: 新しい時代のアイデア、影響、および傾向」 . ACM コンピューティング調査. 40 (2): 5:1–5:60。ドイ: 10.1145/1348246.1348248。
Smeulders、アーノルド WM。マルセル・ウォリング、シモーネ・サンティーニ、アマーナス・グプタ、ラメシュ・ジェイン （2000)。「初期の終わりのコンテンツベースの画像検索」. パターン分析とマシン インテリジェンスに関する IEEE トランザクション。22 (12): 1349–1380。CiteSeerX 10.1.1.136.4303 . ドイ: 10.1109/34.895972 .
外部リンク
MATLAB-カラーモーメント
履歴書オンライン – 統計モーメント”