專利名稱：顏色量化方法和使用該方法的多媒體搜索方法
技術(shù)領(lǐng)域：
本發(fā)明涉及基于HMMD色空間的顏色量化方法和使用該方法的多媒體搜索方法，用于提取顏色特征以搜索多媒體，從而能夠搜索在不同級別量化的多媒體數(shù)據(jù)。
已經(jīng)有用于搜索基于信息的多媒體的新技術(shù)。投入了大量努力來研究搜索性能所主要依賴的那些多媒體特征。
搜索引擎通常使用全局和局部顏色信息和紋理信息來進(jìn)行圖像搜索。而且，已經(jīng)知道顏色信息在圖像搜索中起到重要作用。
最終，發(fā)展了更有效的顏色特征，并且進(jìn)行了大量努力來開發(fā)用于高效搜索的色空間。
顏色信息包括各種特征信息，例如顏色直方圖，局部代表性顏色等等。因此，搜索性能很大程度上取決于如何量化顏色。
當(dāng)在一個色空間上表示顏色分布時，很難顯示多個顏色種類。因此，需要進(jìn)行顏色量化，以便通過將相似的色群組合成單個色表來利用有限數(shù)量的顏色表示顏色信息。
例如，對于RGB色空間中的顏色直方圖，RGB元素由范圍在0到255的數(shù)字字符表示。因此，顏色類達(dá)到2563，要由2563個單元條(bin)構(gòu)成的顏色直方圖來表示是不理想的。
因此，給出單個顏色標(biāo)記(color label)，通過把類似的顏色歸組來將它們認(rèn)為是一種顏色。
為了進(jìn)行顏色標(biāo)記，將色空間劃分為其數(shù)量等于所要表示的顏色數(shù)量的多個局部空間，該劃分方法被稱為顏色量化方法。
有很多因素影響使用顏色進(jìn)行多媒體搜索的搜索性能。首先，重要的是，色空間要能夠很好地表示顏色。其次，重要的是，如何劃分給定的色空間，因為數(shù)據(jù)的顏色特征會根據(jù)顏色量化方法被良好地或錯誤地表示。
因此，顏色量化方法應(yīng)該適于提供高搜索性能。
顏色量化所考慮的一個事實是，無法對得自不同量化方法的顏色信息進(jìn)行比較。
由于搜索是在本地數(shù)據(jù)庫上進(jìn)行的，所有的現(xiàn)有技術(shù)都無法考慮上述事實。
即，盡管已經(jīng)報告有對由相同量化方法提取的顏色信息進(jìn)行比較性搜索的研究，但其假設(shè)前提是，量化是由相同量化方法獲得的。
由于近來因特網(wǎng)技術(shù)的快速發(fā)展，希望在不考慮不同數(shù)據(jù)管理服務(wù)器的情況下搜索數(shù)據(jù)。因此，重要的是，能夠具有不考慮數(shù)據(jù)的位置和服務(wù)器而相互地比較和搜索多媒體數(shù)據(jù)的功能。
為了滿足這種需求，應(yīng)該考慮適當(dāng)?shù)牧炕椒ǎ⑶姨峁┯糜谙嗷ケ容^的搜索算法。這種性質(zhì)被稱為互操作性。
首先，在以下概括用于解釋本發(fā)明的術(shù)語。
(a)顏色量化級別由任意色空間表示的顏色數(shù)量是無限的。
在一個計算機(jī)中利用256維的RGB色空間表示的顏色數(shù)量達(dá)到2563(16777216)。
為了減小用于搜索基于顏色的多媒體時所表示的顏色數(shù)量，通過將所表示的顏色歸組成自然數(shù)N來分配顏色標(biāo)記。在此情況下，色群的數(shù)量被稱為顏色量化數(shù)。
(b)互操作性信息是根據(jù)量化方法改變的，即便是使用相同的色空間提取多媒體的顏色特征。
尤其是，很難使用被量化為不同量化級別的圖像特征來測量兩個圖像之間的相似性，這是因為特征中表示的顏色標(biāo)記的意義是不同的，并且它們的關(guān)系難以描述。
例如，通過將一個數(shù)據(jù)量化為32個級別來由32個單元條構(gòu)成一個顏色直方圖，而通過將另一個數(shù)據(jù)量化為64個級別來由64個單元條構(gòu)成另一個直方圖。為了使用顏色直方圖測量相似性，首先要知道的是第一直方圖的哪些相應(yīng)單元條對應(yīng)于第二直方圖的預(yù)定單元條。而且，如果是利用任意方法進(jìn)行量化，很難定義單元條的關(guān)系。
另一方面，如果在某些規(guī)則下進(jìn)行量化，就能夠描述由兩個特征表示的顏色標(biāo)記的關(guān)系，而不管所應(yīng)用的不同量化級別。因此，相似性的比較是可能的。
例如，如果將量化為32個級別的色空間劃分為一對分離的空間以便提供64個級別，那么由64個級別表示的相應(yīng)單元條就能夠輕松計算相容關(guān)系，以便映射到32個級別中的一個。
這種能夠處理比較而不管不同的量化方法的性質(zhì)就是互操作性。
(c)HMMD色空間本發(fā)明的發(fā)明人發(fā)明的在1998年4月29日提交的韓國專利申請No.98-15326中揭示了HMMD色空間(發(fā)明名稱顏色協(xié)調(diào)空間結(jié)構(gòu)和使用顏色協(xié)調(diào)的顏色量化方法)。
如
圖1所示，形狀為一對雙錐體(double corn)的HMMD色空間包含5個參數(shù)，其中該對錐體的底部面對面重疊。
這5個參數(shù)包括hue，max，min，diff(差分值)(differential value)，和sum，分別表示色彩(hue)，色澤(shade)，色度(tint)，色調(diào)(chroma)和亮度(brightness)。
圖2顯示圖1中顯示的HMMD色空間的結(jié)構(gòu)的內(nèi)部橫斷面圖。
連接對稱錐體的兩個相對頂點A和B的垂直軸是”sum”。沿著圓周到垂直軸的垂直方向旋轉(zhuǎn)0°到360°的變化值是“hue”。從中心O到最大圓周C的最短直線段是“diff”。從下錐體的頂點到最大圓周C的另一個最短直線段是“max”。而且，從最小圓周到上錐體的頂點A的另一個最短直線段是“min”。
如下所示從RGB色空間的3個參數(shù)r，g和b獲得5個參數(shù)hue，max，min，diff和sum。在此情況下，hue從0到360變化。
<pre listing-type="program-listing"><![CDATA[max＝max(r，g，b) min＝min(r，g，b) diff＝max(r，g，b)-min(r，g，b) sum＝(max(r，g，b)-min(r，g，b))/2if max(r，g，b)＝min(r，g，b) hue＝UNDEFINED； else if r＝max(r，g，b)&(g-b≥0)hue＝(g-b)*60/(max(r，g，b)-min(r，g，b))； else if r＝max(r，g，b)&(g-b＜0)hue＝360+(g-b)*60/(max(r，g，b)-min(r，g，b))； else if g＝max hue＝120+(b-r)*60/(max(r，g，b)-min(r，g，b))； elsehue＝240+(r-g)*60/(max(r，g，b)min(r，g，b))；]]></pre>因此，本發(fā)明致力于一種基于HMMD色空間的顏色量化方法和使用該方法的多媒體搜索方法，能夠?qū)嵸|(zhì)性消除由于現(xiàn)有技術(shù)的局限和缺點造成的一個或多個問題。
在下面的說明中將提出本發(fā)明的其它特征和優(yōu)點，其部分地可以從該說明中獲得，或者可以通過本發(fā)明的實踐掌握。可以通過說明書、權(quán)利要求以及附圖中特別指出的結(jié)構(gòu)實現(xiàn)和獲得本發(fā)明的目的和其它優(yōu)點。
為了實現(xiàn)這些和其它優(yōu)點，并根據(jù)所體現(xiàn)和廣義描述的本發(fā)明的目的，根據(jù)本發(fā)明在使用HMMD色空間中的顏色信息的搜索系統(tǒng)中，一種基于HMMD色空間的顏色量化方法包括以下步驟首先利用差分值(diff)作為一個軸，使用至少一個任意指定的diff值劃分色空間；通過用sum作為基準(zhǔn)而不考慮hue，將色空間的所劃分區(qū)域中的最低diff區(qū)域劃分為N個相同部分，其中最低diff區(qū)域是灰色區(qū)域，并且N是自然數(shù)；通過分別用sum軸和hue軸作為基準(zhǔn)，利用給定的相應(yīng)常數(shù)將剩余的所劃分區(qū)域劃分為多個相同部分。
優(yōu)選地，用于首先劃分以diff軸為中心的色空間的diff值被如下確定，使得將小寬度指定給低色調(diào)(低diff區(qū)域)，反之亦然。
而且，在通過用sum軸作為基準(zhǔn)利用給定的相應(yīng)常數(shù)將由預(yù)定的diff值劃分的局部部分劃分為多個相同部分時，從兩個端部sum寬度(a，b)中選擇的較長sum寬度(a)被用作一個基準(zhǔn)。
而且，通過用hue軸作為基準(zhǔn)，從紅色(即0°)開始將各個區(qū)域劃分為N個相同部分。
在另一個方面，根據(jù)本發(fā)明在使用HMMD色空間中的顏色信息的圖像搜索系統(tǒng)中，一種基于HMMD色空間的顏色量化方法包括以下步驟首先通過用至少一個指定的diff值作為基準(zhǔn)劃分色空間；通過用sum軸作為基準(zhǔn)將各個劃分的區(qū)域劃分為2x個相同部分，并通過用hue軸作為基準(zhǔn)將其劃分為2y個相同部分，其中x和y是整數(shù)。
在另一個方面，根據(jù)本發(fā)明在使用HMMD色空間中的顏色信息以便保持不同級別顏色量化產(chǎn)生的特征之間的互操作性的圖像搜索系統(tǒng)中，一種基于HMMD色空間的顏色量化方法包括以下步驟步驟(a)，通過使用diff，sum和hue進(jìn)行基準(zhǔn)級別的顏色量化，將色空間劃分為基準(zhǔn)級別；和步驟(b)，通過用diff，sum hue，min和max的至少一個組合作為基準(zhǔn)對由步驟(a)的顏色量化劃分的各個局部區(qū)域中的至少一個進(jìn)行細(xì)分，從而進(jìn)行更大級別的另一個顏色量化。
在另一個方面，根據(jù)本發(fā)明在使用HMMD色空間中的顏色信息的圖像搜索系統(tǒng)中，一種基于HMMD色空間的顏色量化方法包括以下步驟步驟(a)，通過使用diff，sum和hue進(jìn)行基準(zhǔn)級別的顏色量化，將色空間劃分為基準(zhǔn)級別；和步驟(b)，通過合并由步驟(a)的顏色量化劃分的各個區(qū)域中的至少一個，進(jìn)行更小級別的另一個顏色量化。
在另一個方面，一種使用由不同級別顏色量化方法量化的顏色特征的多媒體搜索方法包括以下步驟步驟(a)，通過將由大級別的量化方法產(chǎn)生的特征的顏色標(biāo)記映射到由小級別的量化方法產(chǎn)生的顏色標(biāo)記中的一個，映射由不同量化方法產(chǎn)生的兩個特征的顏色標(biāo)記的意義；步驟(b)，使用映射的顏色標(biāo)記測量相似性；步驟(c)，通過用所測量的相似性作為基準(zhǔn)來輸出多媒體數(shù)據(jù)。
優(yōu)選地，在以下假設(shè)下確定步驟(a)中的映射顏色標(biāo)記對應(yīng)于所要映射的由小級別的量化方法產(chǎn)生的顏色標(biāo)記的各個區(qū)域中的一個區(qū)域中包含由大級別的量化方法產(chǎn)生的顏色標(biāo)記的對應(yīng)局部區(qū)域處的任意點。
而且，步驟(a)中的顏色標(biāo)記映射在開始比較兩個初始數(shù)據(jù)的相似性的時間點執(zhí)行，其中將根據(jù)兩個量化方法的顏色標(biāo)記的映射關(guān)系存儲為一個表或類似物，并且其中所存儲的關(guān)系表信息被用于后續(xù)數(shù)據(jù)而無需進(jìn)一步執(zhí)行另一個顏色標(biāo)記映射。
本發(fā)明的一個優(yōu)點是提供一種基于HMMD色空間的顏色量化方法和使用該方法的多媒體搜索方法，其中優(yōu)化一量化方法以適合于各種量化級別，從而提高HMMD色空間中的搜索性能。
本發(fā)明的一個優(yōu)點是提供一種基于HMMD色空間的顏色量化方法和使用該方法的多媒體搜索方法，其中提供了量化到不同量化級別的顏色特征之間的互操作性，以便搜索從不同的應(yīng)用程序產(chǎn)生的多媒體，并且其中定義一量化規(guī)則以便保持高搜索性能。
即，本發(fā)明提供一種用于各種級別的顏色量化方法，從而能夠在保持互操作性方面獲得高搜索性能。而且，本發(fā)明提供一種多媒體搜索方法，能夠測量被量化為不同級別的特征之間的相似性。
應(yīng)理解，上述一般性說明和以下的詳細(xì)說明都是示例性和解釋性的，用于提供對本發(fā)明權(quán)利要求的進(jìn)一步解釋。
被包括用來提供對本發(fā)明進(jìn)一步理解的附圖構(gòu)成了說明書的一部分，顯示了本發(fā)明的實施例，并與說明書一起解釋本發(fā)明的原理。
在附圖中圖1顯示根據(jù)本發(fā)明的HMMD色空間的結(jié)構(gòu)；圖2顯示圖1所示HMMD色空間的結(jié)構(gòu)的橫斷面圖；圖3顯示HMMD色空間中的灰色區(qū)域的劃分狀態(tài)；圖4顯示根據(jù)本發(fā)明的32級別量化方法中HMMD色空間的MMD橫斷面圖；圖5顯示根據(jù)本發(fā)明的64級別量化方法中HMMD色空間的MMD橫斷面圖；圖6顯示根據(jù)本發(fā)明的120級別量化方法中HMMD色空間的MMD橫斷面圖；圖7顯示根據(jù)本發(fā)明的184級別量化方法中HMMD色空間的MMD橫斷面圖；圖8顯示用于表示184和64級別之間的顏色標(biāo)記映射關(guān)系的HMMD色空間中的MMD橫斷面圖；圖9是顏色映射方法的執(zhí)行順序的流程圖；圖10A顯示用hue作為基準(zhǔn)的HMMD色空間的橫斷面圖；圖10B顯示用hue作為基準(zhǔn)的量化過程；圖11顯示根據(jù)本發(fā)明的利用各個量化級別的搜索性能；圖12顯示根據(jù)本發(fā)明的互操作性搜索性能；圖13顯示根據(jù)本發(fā)明另一個實施例的256級別量化方法中HMMD色空間的MMD橫斷面圖；圖14顯示根據(jù)本發(fā)明另一個實施例的128級別量化方法中HMMD色空間的MMD橫斷面圖；圖15顯示根據(jù)本發(fā)明另一個實施例的64級別量化方法中HMMD色空間的MMD橫斷面圖16顯示根據(jù)本發(fā)明另一個實施例的32級別量化方法中HMMD色空間的MMD橫斷面圖；圖17顯示根據(jù)本發(fā)明另一個實施例的利用各個量化級別的搜索性能；圖18顯示根據(jù)本發(fā)明另一個實施例的互操作性搜索性能。
現(xiàn)在將詳細(xì)介紹本發(fā)明的優(yōu)選實施例，附圖給出其實例。整個說明書中于可能之處，用相同的參考數(shù)字表示同樣的單元。
在本發(fā)明中，意圖是量化一種HMMD色空間以適于最有效地進(jìn)行圖像搜索，上述HMMD色空間具有優(yōu)秀的互操作性能非常適于圖像搜索。
圖3顯示了一種在HMMD色空間中劃分灰色區(qū)域的狀態(tài)。
在本發(fā)明中，HMMD色空間首先由diff進(jìn)行劃分。如圖3所示，一個diff值低于預(yù)定臨界值Thres_Chrom的區(qū)域是一個灰色區(qū)，該區(qū)域的顏色不能通過色彩來識別。
由于只有亮度可用于識別屬于灰色區(qū)的顏色，因此通過把與亮度相對應(yīng)的sum作為基準(zhǔn)來劃分該區(qū)域。
實施例1圖4顯示了根據(jù)本發(fā)明在基本的32級別的量化方法中HMMD色空間的一個MMD橫斷面圖。
當(dāng)diff值在0至255之間時，取diff值為9，29和75作為基準(zhǔn)把色空間劃分為四個局部區(qū)域。我們假定這四個局部區(qū)域分別表示為S41，S42，S43和S44。
在這種情況下，如圖3所示，“S41”是具有最低diff值的區(qū)域，也就是說，該區(qū)域是具有最低色調(diào)的灰色區(qū)。因此，利用亮度即sum而不是hue作為基準(zhǔn)就可以把該局部區(qū)域S41劃分為8個相同的部分。
利用hue作為基準(zhǔn)把“S42”劃分為4個相同的部分，然后再利用sum作為基準(zhǔn)把這4個相同的部分中每一個劃分為2個相同的部分。利用hue作為基準(zhǔn)把“S43”劃分為3個相同的部分，然后再利用sum作為基準(zhǔn)把這3個相同的部分中每一個劃分為4個相同的部分。分別利用hue和sum作為基準(zhǔn)把“S44”重復(fù)劃分為2個相同的部分。
在局部區(qū)域S42和S43中，利用hue作為基準(zhǔn)把HMMD色空間劃分為相同的部分，然后利用sum作為基準(zhǔn)把以上相同部分中的每一個再劃分為相同的部分，反之亦然。也就是說，在局部區(qū)域S42和S43中，可以任意順序進(jìn)行上述劃分。利用sum和hue作為基準(zhǔn)，這種關(guān)系可應(yīng)用于任意區(qū)域的所有劃分。
當(dāng)把sum作為基準(zhǔn)時，是把被劃分的區(qū)域中兩個端部的sum寬度中較寬的sum寬度a而不是較窄的sum寬度b作為基準(zhǔn)，這一點也適用于當(dāng)把sum作為基準(zhǔn)時，在利用diff值劃分的區(qū)域中用給定的常數(shù)劃分成相同的部分。
當(dāng)對一個具有較小色調(diào)即較低diff值的區(qū)域用diff進(jìn)行劃分時，如圖中所示，由diff所作出的劃分造成了狹窄的區(qū)域。因此，利用顏色所進(jìn)行的識別能力得到了有效的加強，因為根據(jù)數(shù)據(jù)特性，組成數(shù)據(jù)的大部分像素顏色都集中在一個具有中間值的色調(diào)區(qū)域上。
對于相同的效果，當(dāng)用小數(shù)目如32級別執(zhí)行量化時，用hue對低色調(diào)區(qū)進(jìn)行的劃分與對高色調(diào)區(qū)進(jìn)行的劃分相比執(zhí)行的更精細(xì)，這樣就可以把低色調(diào)區(qū)劃分為更小的局部區(qū)域。因此，利用更小級別的顏色可以有效地表示這些區(qū)域。
圖5顯示了根據(jù)本發(fā)明在64級別的量化方法中HMMD色空間的一個MMD橫斷面圖。
取diff軸上diff值為9，29和75作為基準(zhǔn)把色空間劃分為四個局部區(qū)域。我們假定這四個局部區(qū)域分別表示為S51，S52，S53和S54。
在這種情況下，如圖3所示，“S51”是具有最低diff值的區(qū)域，也就是說，該區(qū)域是具有最低色調(diào)的灰色區(qū)。因此，利用亮度即sum而不是hue作為基準(zhǔn)把該局部區(qū)域S51劃分為8個相同的部分。
利用hue作為基準(zhǔn)把“S52”劃分為4個相同的部分，并且利用sum作為基準(zhǔn)把這4個相同的部分中每一個劃分為4個相同的部分。利用hue作為基準(zhǔn)把“S53”劃分為6個相同的部分，并且利用sum作為基準(zhǔn)把這6個相同的部分中每一個劃分為4個相同的部分。分別利用hue和sum作為基準(zhǔn)把“S54”重復(fù)劃分為4個相同的部分。
因此，劃分成的這64個區(qū)域可完全包含在圖4中所劃分成的32個區(qū)域中的一個區(qū)域中。
也就是說，上述32個劃分區(qū)域的分區(qū)邊界與上述64個劃分區(qū)域的分區(qū)邊界正好重合。當(dāng)對圖4中所劃分的32級別顏色所代表的數(shù)據(jù)和圖5中所劃分的64級別顏色所代表的其它數(shù)據(jù)之間的相似性進(jìn)行測量時，盡管使用了不同的顏色標(biāo)記，但是使用小級別的顏色標(biāo)記用于一致性。
因此，能夠把量化為64級別的顏色信息轉(zhuǎn)換為量化為32級別的其它顏色形式。
對數(shù)據(jù)相似性的測量隨顏色信息特性的不同而不同，在本發(fā)明的實施例中這一點也可以應(yīng)用于利用顏色直方圖作為顏色信息對圖像進(jìn)行的搜索。
顏色直方圖是一種信息，它意味著遍及全部圖像像素的顏色分布。
為了得到顏色直方圖，首先要計算的是當(dāng)一個HMMD色空間用給定的量化方法進(jìn)行劃分時，一幅圖像中各個像素的顏色值屬于某個被劃分的空間。然后，把這種分布在直方圖的單元條中記錄下來，這些單元條具有與各個被劃分空間相對應(yīng)的顏色標(biāo)記。
利用這種顏色直方圖來搜索圖像的方法是通過測量基準(zhǔn)圖像的顏色直方圖和目標(biāo)圖像的另一個顏色直方圖之間的相似性來執(zhí)行的。在這種情況下，相似性是通過下面的公式1來獲得的。
公式1Σi=0i=n|Hγ[i]-Ht[i]|]]>n直方圖的單元條的數(shù)目Hr[i]基準(zhǔn)圖像直方圖的第i個單元條的值Ht[i]目標(biāo)圖像直方圖的第i個單元條的值代表總體分布的直方圖的各個單元條的值是分?jǐn)?shù)。
當(dāng)把理論付諸實施時，為了減小存儲直方圖的空間，對分?jǐn)?shù)值要進(jìn)行量化以用一個字節(jié)的空間就可以代表，而不是使用通常用于代表分?jǐn)?shù)所要用的所有四個字節(jié)。
在本發(fā)明的實施例中，各個分?jǐn)?shù)值是用8個比特即1個字節(jié)來代表的，一個分?jǐn)?shù)值被量化成0至255個值。
圖8顯示了HMMD色空間的MMD橫斷面圖，以闡明184和64級別之間的顏色標(biāo)記映射關(guān)系，其中精細(xì)劃分的區(qū)域能夠直接映射為粗略劃分的區(qū)域。
映射方法是把一種顏色信息的顏色標(biāo)記轉(zhuǎn)換為另一種顏色信息的另一種顏色標(biāo)記，第一種顏色信息在利用不同的量化方法進(jìn)行量化的顏色信息中被量化為更大的級別，另一種顏色信息則被量化為小級別。為了進(jìn)行這種轉(zhuǎn)換，要尋找在利用對應(yīng)的小級別的量化方法被量化為大級別的顏色信息的各個劃分區(qū)域中包括的任意點的一個新的顏色標(biāo)記。然后，再根據(jù)這個新的顏色標(biāo)記執(zhí)行轉(zhuǎn)換。
另一種用于顏色映射的方法是通過把量化的顏色標(biāo)記從大級別映射到小級別來執(zhí)行的。在各個被量化為大級別的區(qū)域中的任意點必須包括在被量化為小級別的其它區(qū)域中。因此，映射是以以下方式完成的把任意點轉(zhuǎn)換為該對應(yīng)包含區(qū)域的級別。
這種映射過程在圖9的流程圖中進(jìn)行了闡明。
由于具有顏色標(biāo)記的快速映射和轉(zhuǎn)換的優(yōu)點，因此當(dāng)已知兩種不同的量化公式時，使用首先描述的那種方法。
另一方面，當(dāng)不知道量化公式但知道用各個顏色標(biāo)記所表示的色空間中所劃分的區(qū)域的信息時，可以使用所描述的第二種方法。
沒有必要在每次對兩個數(shù)據(jù)進(jìn)行比較時都執(zhí)行顏色映射。當(dāng)通過參照特定數(shù)據(jù)在特定數(shù)據(jù)庫中搜索相似的數(shù)據(jù)時，可以利用在一個數(shù)據(jù)庫中相同的量化方法提取顏色信息。因此，如果用于基準(zhǔn)數(shù)據(jù)的顏色信息量化方法與數(shù)據(jù)庫中的數(shù)據(jù)的顏色信息量化方法不同，那么使用上述的顏色映射一次。
當(dāng)在第一次映射過程中把兩種顏色標(biāo)記之間的關(guān)系存儲在表格中之后，利用存儲在表格中的這種關(guān)系直接執(zhí)行映射。
這樣就能夠減小用于顏色映射的時間。
圖6顯示了根據(jù)本發(fā)明在120級別的量化方法中HMMD色空間的一個MMD橫斷面圖。
取diff軸上diff值為9，29和75作為基準(zhǔn)把色空間劃分為四個局部區(qū)域。我們假定這四個局部區(qū)域分別表示為S61，S62，S63和S64。
如圖3所示，“S61”是具有最低diff值的區(qū)域，也就是說，該區(qū)域是具有最低色調(diào)值的灰色區(qū)。因此，利用亮度即sum而不是hue作為基準(zhǔn)把該局部區(qū)域S61劃分為8個相同的部分。
利用hue作為基準(zhǔn)把“S62”劃分為4個相同的部分，然后再利用sum作為基準(zhǔn)把這4個相同的部分中每一個劃分為4個相同的部分。
利用hue作為基準(zhǔn)把“S63”劃分為12個相同的部分，然后再利用sum作為基準(zhǔn)把這12個相同的部分中每一個劃分為4個相同的部分。
利用hue作為基準(zhǔn)把“S64”劃分為12個相同的部分，然后再利用sum作為基準(zhǔn)把這12個相同的部分中每一個劃分為4個相同的部分。
因此，劃分成的這120個區(qū)域可完全包含在圖5中所劃分成的64個區(qū)域中的每個區(qū)域中。
也就是說，色空間是通過以下方式構(gòu)成的利用hue作為基準(zhǔn)把所劃分的區(qū)域中與“S53”相對應(yīng)的所有劃分的區(qū)域分別劃分為2個相同的部分，并且利用hue作為基準(zhǔn)把與“S54”相對應(yīng)的所有劃分的區(qū)域分別劃分為3個相同的部分。
圖7顯示了根據(jù)本發(fā)明在184級別的量化方法中HMMD色空間的一個MMD橫斷面圖。
取diff軸上diff值為9，29，75和200作為基準(zhǔn)把色空間劃分為五個局部區(qū)域。我們假定這五個局部區(qū)域分別表示為S71，S72，S73，S74和S75。
如圖3所示，“S71”是具有最低diff值的區(qū)域，也就是說，該區(qū)域是具有最低色調(diào)的灰色區(qū)。因此，利用亮度即sum而不是hue作為基準(zhǔn)把該局部區(qū)域S71劃分為8個相同的部分。
利用hue作為基準(zhǔn)把“S72”劃分為8個相同的部分，然后再利用sum作為基準(zhǔn)把這8個相同的部分中每一個劃分為4個相同的部分。
利用hue作為基準(zhǔn)把“S73”劃分為12個相同的部分，然后再利用sum作為基準(zhǔn)把這12個相同的部分中每一個劃分為4個相同的部分。
利用hue作為基準(zhǔn)把“S74”劃分為12個相同的部分，然后再利用sum作為基準(zhǔn)把這12個相同的部分中每一個劃分為4個相同的部分。
利用hue作為基準(zhǔn)把“S75”劃分為24個相同的部分，然后再利用sum作為基準(zhǔn)把這24個相同的部分中每一個劃分為2個相同的部分。
因此，劃分成的這184個區(qū)域完全包含在圖6中所劃分成的120個區(qū)域中的一個區(qū)域中。
圖10A顯示了利用hue作為基準(zhǔn)的HMMD色空間的一個橫斷面圖，圖10B顯示了利用hue作為基準(zhǔn)的一個量化過程，其中劃分是利用0°作為基準(zhǔn)在hue平面上進(jìn)行的。
參考圖10A和圖10B，看起來在-45°和+45°之間由虛線所界定的區(qū)間可以認(rèn)為是特有的紅色區(qū)域。但是，當(dāng)進(jìn)行搜索時，將0°和90°之間由實線所界定的區(qū)間劃分為一個區(qū)域更有利一些。
在數(shù)據(jù)特性中，紅色系列的深色被廣泛用于代表一個目標(biāo)區(qū)的陰影區(qū)域(shade region)。在這種情況下，紅顏色被均勻應(yīng)用于數(shù)據(jù)中紅色/綠色成分的組合或紅色/藍(lán)色成分的組合。
也就是說，在數(shù)據(jù)中由紅色和綠色成分的組合以及紅色和藍(lán)色成分的組合兩者來代表深色是非常罕見的，這種情況通常是由多媒體數(shù)據(jù)編碼或圖像獲取裝置的特性所造成的。
圖11顯示根據(jù)本發(fā)明的第一個實施例利用各個量化方法搜索圖像所得到的結(jié)果的表。
圖中的數(shù)目越小(接近于“0”)，搜索結(jié)果就越高。這與錯誤大小成比例。
如表中所示，與傳統(tǒng)的線性量化方法相比，本發(fā)明提供了優(yōu)秀的搜索性能，并且該性能隨級別數(shù)的增加而變得更高。
圖12顯示了根據(jù)本發(fā)明的第一個實施例利用各種量化方法通過計算用不同的量化級別提取的特征之間的相似性而得到的搜索結(jié)果的表。
參考圖12，高的搜索性能是從不同的量化級別之間的互操作性試驗而得到的。
當(dāng)對量化為不同級別的數(shù)據(jù)進(jìn)行搜索時，最低級別量化的搜索性能至少可由互操作性保證。
盡管搜索性能對基準(zhǔn)圖像級別和目標(biāo)圖像級別中的低級別搜索結(jié)果而言必須相同，但是由于操作過程中的硬件及類似因素的影響，實際上會出現(xiàn)小的差異。
例如，當(dāng)通過量化為120和64級別而分別得到基準(zhǔn)圖像級別和目標(biāo)圖像級別時，搜索性能理應(yīng)是如圖11所示的理想的64級別。但是，搜索性能的結(jié)果實際上顯示出圖12中的結(jié)果。
在本發(fā)明的第一個實施例中，用于顏色量化的diff值和劃分各個區(qū)域的附加的預(yù)定常數(shù)是從用于提供最佳搜索性能的實驗中獲得的值。當(dāng)搜索用不同的量化方法進(jìn)行了顏色量化的圖像時，利用以上實驗的結(jié)果值就可以獲得基準(zhǔn)顏色量化級別以及后面用于進(jìn)行更細(xì)致劃分的另一種顏色量化級別。
本發(fā)明的結(jié)果保證了在所有時間都有高的搜索性能，因此便能夠搜索所有現(xiàn)有的多媒體數(shù)據(jù)，而不必考慮時間和地點。
實施例2在本發(fā)明的第二個實施例中，引入值diff值以用2x來代表顏色量化級別，如256，128，64，和32。然后，利用這些級別作為基準(zhǔn)劃分局部區(qū)域以便能夠分別用不同的量化級別進(jìn)行搜索。
在使用HMMD色空間中的顏色信息的圖像搜索系統(tǒng)中，根據(jù)本發(fā)明的第二個實施例基于HMMD色空間的顏色量化方法包括以下步驟首先，當(dāng)差分值diff在0至255之間時，利用至少一個預(yù)定的diff值作為基準(zhǔn)劃分色空間，并且利用sum作為基準(zhǔn)把diff區(qū)域劃分為2x個相同的部分，利用hue作為基準(zhǔn)將其劃分為2y個相同的部分，此處x和y為整數(shù)。
在本發(fā)明的第二個實施例中，當(dāng)diff由0至255之間的數(shù)來表示時，確定diff的值分別為6，20，60和110來沿diff軸劃分色空間。然后利用diff值作為基準(zhǔn)把色空間劃分為5個局部區(qū)域。我們假定所劃分的局部區(qū)域分別為S1，S2，S3，S4和S5。然后利用sum作為基準(zhǔn)把劃分的各個區(qū)域S1，S2，S3，S4和S5劃分為2x個相同的部分，利用hue作為基準(zhǔn)再劃分為2y個相同的部分，這樣就把色空間區(qū)域劃分成了各種包含了不同級別的區(qū)域。
在這種情況下，如果沿diff軸劃分的區(qū)域S1，S2，S3，S4，和S5是相同的，并且它們進(jìn)一步被劃分為預(yù)定數(shù)目的相同部分，這一預(yù)定數(shù)目要滿足以2為底的正指數(shù)即2x和2y，那么總是有可能通過把該區(qū)域轉(zhuǎn)換為256/128/64/32級別量化中的一個來進(jìn)行搜索。
下面將詳細(xì)介紹本發(fā)明的第二個實施例，附圖給出其實例。
圖13顯示了根據(jù)本發(fā)明的第二個實施例在256級別的量化方法中HMMD色空間的一個MMD橫斷面圖。
當(dāng)要劃分的顏色量化級別為256時，首先利用6，20，60，110這幾個diff值作為基準(zhǔn)把色空間劃分為五個局部區(qū)域。我們假定這些局部區(qū)域分別表示為S101，S102，S103，S104和S105。然后利用sum和hue軸作為基準(zhǔn)把局部區(qū)域S101至S105劃分為相同的部分，劃分的數(shù)目要滿足分別為以2為底的正指數(shù)。
也就是說，利用sum軸作為基準(zhǔn)把區(qū)域101劃分為32個相同的部分，這樣就提供了32個局部區(qū)域。
利用sum軸作為基準(zhǔn)把“S102”劃分為8個相同的部分，然后再利用hue軸作為基準(zhǔn)把這8個相同的部分中每一個劃分為4個相同的部分，這樣便劃分成了32個局部區(qū)域。
利用sum軸作為基準(zhǔn)把“S103”劃分為4個相同的部分，然后再利用hue軸作為基準(zhǔn)把這4個相同的部分中每一個劃分為16個相同的部分，這樣便劃分成了64個局部區(qū)域。
利用sum軸作為基準(zhǔn)把“S104”劃分為4個相同的部分，然后再利用hue軸作為基準(zhǔn)把這4個相同的部分中每一個劃分為16個相同的部分，這樣便劃分成了64個局部區(qū)域。
利用sum軸作為基準(zhǔn)把“S105”劃分為4個相同的部分，然后再利用hue軸作為基準(zhǔn)把這4個相同的部分中每一個劃分為16個相同的部分，這樣便劃分成了64個局部區(qū)域。
因此，色空間就被劃分為256個局部區(qū)域，即256個級別。
圖14顯示了根據(jù)本發(fā)明的第二個實施例在128級別的量化方法中HMMD色空間的一個MMD橫斷面圖。
當(dāng)要劃分的顏色量化級別為128時，首先利用6，20，60，和110這幾個diff值作為基準(zhǔn)把色空間劃分為五個局部區(qū)域。我們假定這些局部區(qū)域分別表示為S111，S112，S113，S114和S115。然后利用sum和hue軸作為基準(zhǔn)把局部區(qū)域S111至S115劃分為相同的部分，劃分的數(shù)目要滿足分別為以2為底的正指數(shù)。
也就是說，利用sum軸作為基準(zhǔn)把區(qū)域S111劃分為16個相同的部分，這樣就提供了16個局部區(qū)域。
利用sum軸作為基準(zhǔn)把“S112”劃分為4個相同的部分，然后再利用hue軸作為基準(zhǔn)把這4個相同的部分中每一個劃分為4個相同的部分，這樣便劃分成了16個局部區(qū)域。
利用sum軸作為基準(zhǔn)把“S113”劃分為4個相同的部分，然后再利用hue軸作為基準(zhǔn)把這4個相同的部分中每一個劃分為8個相同的部分，這樣便劃分成了32個局部區(qū)域。
利用sum軸作為基準(zhǔn)把“S114”劃分為4個相同的部分，然后再利用hue軸作為基準(zhǔn)把這4個相同的部分中每一個劃分為8個相同的部分，這樣便劃分成了32個局部區(qū)域。
利用sum軸作為基準(zhǔn)把“S115”劃分為4個相同的部分，然后再利用hue軸作為基準(zhǔn)把這4個相同的部分中每一個劃分為8個相同的部分，這樣便劃分成了32個局部區(qū)域。
因此，色空間就被劃分為128個局部區(qū)域。
圖15顯示了根據(jù)本發(fā)明的第二個實施例在64級別的量化方法中HMMD色空間的一個MMD橫斷面圖。
當(dāng)要劃分的顏色量化級別為64時，首先利用6，20，60，和110這幾個diff值作為基準(zhǔn)把色空間劃分為五個局部區(qū)域。我們假定這些局部區(qū)域分別表示為S121，S122，S123，S124和S125。然后利用sum和hue軸作為基準(zhǔn)把局部區(qū)域S121至S125劃分為相同的部分，劃分的數(shù)目要滿足分別為以2為底的正指數(shù)。
也就是說，利用sum軸作為基準(zhǔn)把區(qū)域121劃分為8個相同的部分，這樣就提供了8個局部區(qū)域。
利用sum軸作為基準(zhǔn)把“S122”劃分為4個相同的部分，然后再利用hue軸作為基準(zhǔn)把這4個相同的部分中每一個劃分為4個相同的部分，這樣便劃分成了16個局部區(qū)域。
利用sum軸作為基準(zhǔn)把“S123”劃分為4個相同的部分，然后再利用hue軸作為基準(zhǔn)把這4個相同的部分中每一個劃分為4個相同的部分，這樣便劃分成了16個局部區(qū)域。
利用sum軸作為基準(zhǔn)把“S124”劃分為2個相同的部分，然后再利用hue軸作為基準(zhǔn)把這2個相同的部分中每一個劃分為8個相同的部分，這樣便劃分成了16個局部區(qū)域。
利用hue軸作為基準(zhǔn)把“S115”劃分為8個相同的部分，這樣便劃分成了8個局部區(qū)域。
因此，色空間就被劃分為64個局部區(qū)域。
圖16顯示了根據(jù)本發(fā)明的第二個實施例在32級別的量化方法中HMMD色空間的一個MMD橫斷面圖。
當(dāng)要劃分的顏色量化級別為32時，首先利用6，60，和110這幾個diff值作為基準(zhǔn)把色空間劃分為四個局部區(qū)域。我們假定這些局部區(qū)域分別表示為S131，S132，S133，和S134。然后利用sum和hue軸作為基準(zhǔn)把局部區(qū)域S131至S134劃分為相同的部分，劃分的數(shù)目要滿足分別為以2為底的正指數(shù)。
也就是說，利用sum軸作為基準(zhǔn)把區(qū)域131劃分為8個相同的部分，這樣就提供了8個局部區(qū)域。
利用sum軸作為基準(zhǔn)把“S132”劃分為4個相同的部分，然后再利用hue軸作為基準(zhǔn)把這4個相同的部分中每一個劃分為4個相同的部分，這樣便劃分成了16個局部區(qū)域。
利用hue軸作為基準(zhǔn)把“S133”劃分為4個相同的部分，這樣便劃分成了4個局部區(qū)域。
利用hue軸作為基準(zhǔn)把“S134”劃分為4個相同的部分，這樣便劃分成了4個局部區(qū)域。
因此，色空間便被劃分為32個局部區(qū)域，即32個級別。
如前面的解釋所述，具有最低diff值的區(qū)域，也就是說，具有最低色調(diào)值的灰色區(qū)不被劃分。只利用亮度即sum作為基準(zhǔn)來執(zhí)行劃分。
圖17為根據(jù)本發(fā)明的第二個實施例利用各個量化方法搜索圖像所得到的結(jié)果的表。
圖18顯示了根據(jù)本發(fā)明的第二個實施例利用各種量化方法通過計算用不同的量化級別提取的特征之間的相似性而得到的搜索結(jié)果的表。
在本發(fā)明的第二個實施例中，用于顏色量化的diff值和用于劃分各個區(qū)域的附加的預(yù)定為以2為底的指數(shù)的常數(shù)是從用于提供最佳搜索性能的實驗中獲得的。
在本發(fā)明中，首先是執(zhí)行一基準(zhǔn)級別的顏色量化。然后，再通過把進(jìn)行了顏色量化的局部區(qū)域細(xì)分為更微小的區(qū)域執(zhí)行另一個更大級別的顏色量化，或者通過合并進(jìn)行了顏色量化的局部區(qū)域而執(zhí)行另一個更小級別的顏色量化。
例如，采用32作為基準(zhǔn)量化級別，在根據(jù)量化級別64，128和256的順序依次進(jìn)行量化產(chǎn)生的劃分區(qū)域上執(zhí)行細(xì)分。另一方面，采用256作為基準(zhǔn)量化級別，在根據(jù)量化級別128，64和32的順序依次進(jìn)行更微小量化而產(chǎn)生的劃分區(qū)域上執(zhí)行劃分。
前一種把用基準(zhǔn)級別進(jìn)行量化的局部區(qū)域通過細(xì)分而量化為更大的級別的情況包括第一步，利用diff，sum和hue通過執(zhí)行基準(zhǔn)級別的顏色量化把色空間劃分為一基準(zhǔn)級別；第二步，利用diff，sum，hue，min和max的至少一個組合作為基準(zhǔn)通過把第一步顏色量化所劃分的局部區(qū)域中的至少一個細(xì)分執(zhí)行另一個更大級別的顏色量化。
在這種情況下，進(jìn)行顏色量化的基準(zhǔn)級別為32，當(dāng)差分值diff的范圍在0至255之間時，指定用于把色空間劃分為基準(zhǔn)級別的diff值分別為6，60和110，色空間首先利用這些diff值被劃分為4個局部區(qū)域。我們假定這些局部區(qū)域為S131，S132，S133和S134。然后，利用sum和hue軸作為基準(zhǔn)把區(qū)域S131至S134劃分為底數(shù)為2的正指數(shù)個相同的部分，這樣就把色空間劃分為32的基準(zhǔn)級別。
把局部區(qū)域S131至S134劃分為32級別的過程與用于32級別量化方法的第二個實施例是相同的。
在執(zhí)行更大級別的顏色量化以從32級別到64級別的過程中，在利用diff值20作為基準(zhǔn)把區(qū)域S132再劃分為兩個局部區(qū)域S132-1和S132-2后，利用sum軸作為基準(zhǔn)把局部區(qū)域S132-1和S132-2劃分為4個相同的部分，同時保持四重劃分的hue軸不變。這樣，區(qū)域S132就被劃分為32個局部區(qū)域。
利用sum軸作為基準(zhǔn)而被劃分為32級別的8個相同部分的區(qū)域S131保持不變。
利用sum軸作為基準(zhǔn)把區(qū)域S133劃分為2個相同部分，然后再利用hue軸作為基準(zhǔn)把上面所劃分的各個區(qū)域細(xì)分為8個相同的部分，這樣就劃分成了16個局部區(qū)域。也就是說，區(qū)域S133被劃分為32級別中的4個相同部分，但是被劃分為64級別中的8個相同部分。
被利用hue軸作為基準(zhǔn)劃分為32級別中的4個相同部分的區(qū)域S134劃分為8個相同的部分，這樣就劃分成了8個局部區(qū)域。因此，色空間就從32級別被劃分為64級別。
在執(zhí)行更大級別的顏色量化以從64級別到128級別的過程中，利用sum軸作為基準(zhǔn)把已被劃分為64級別中的8個相同部分的區(qū)域S131劃分為16個相同部分，這樣，區(qū)域S131就被細(xì)分為16個局部區(qū)域。
在64級別中利用sum軸作為基準(zhǔn)劃分為4個相同部分，利用hue軸作為基準(zhǔn)劃分為4個相同部分的區(qū)域S132-1保持不變。
區(qū)域S132-2保持這樣一種狀態(tài)利用sum軸作為基準(zhǔn)劃分為64級別中的4個相同部分，利用hue軸作為基準(zhǔn)劃分為8個而不是64級別中的4個相同部分，這樣區(qū)域S132-2就被細(xì)分為32個局部區(qū)域。
區(qū)域S133保持這樣一種狀態(tài)利用hue軸作為基準(zhǔn)劃分為8個相同部分，利用sum軸作為基準(zhǔn)劃分為4個而不是64級別中的2個相同部分，這樣區(qū)域S133就被細(xì)分為32個局部區(qū)域。
區(qū)域S134保持這樣一種狀態(tài)劃分為8個相同部分，并且利用sum軸作為基準(zhǔn)劃分為4個相同部分，這樣區(qū)域S134就被細(xì)分為32個局部區(qū)域。
因此，色空間就從64級別被劃分為128級別。
在執(zhí)行更大級別的顏色量化以從128級別到256級別的過程中，利用sum軸作為基準(zhǔn)把已被劃分為128級別中的16個相同部分的區(qū)域S131劃分為32個相同部分，這樣，區(qū)域S131就被細(xì)分為32個局部區(qū)域。
區(qū)域S132-1保持這樣一種狀態(tài)利用hue軸作為基準(zhǔn)劃分為4個相同部分，并且利用sum軸作為基準(zhǔn)劃分為8個而不是128級別中的4個相同部分，這樣區(qū)域S132-1就被細(xì)分為32個局部區(qū)域。
區(qū)域S132-2保持這樣一種狀態(tài)利用sum軸作為基準(zhǔn)劃分為4個相同部分，并且利用hue軸作為基準(zhǔn)劃分為16個而不是128級別中的8個相同部分，這樣區(qū)域S132-2就被細(xì)分為64個局部區(qū)域。
區(qū)域S133保持這樣一種狀態(tài)利用sum軸作為基準(zhǔn)劃分為4個相同部分，并且利用hue軸作為基準(zhǔn)劃分為16個而不是128級別中的8個相同部分，這樣區(qū)域S133就被細(xì)分為64個局部區(qū)域。
區(qū)域S134保持這樣一種狀態(tài)利用sum軸作為基準(zhǔn)劃分為4個相同部分，并且利用hue軸作為基準(zhǔn)劃分為16個而不是128級別中的8個相同部分，這樣區(qū)域S134就被細(xì)分為64個局部區(qū)域。
這樣，色空間就從128級別劃分為256級別。
另一方面，后一種把用基準(zhǔn)級別量化的局部區(qū)域通過合并而量化為更小級別的情況包括第一步，利用diff，sum和hue通過執(zhí)行基準(zhǔn)級別的顏色量化把色空間劃分為基準(zhǔn)級別；第二步，把第一步顏色量化所劃分的局部區(qū)域中的至少一個合并，執(zhí)行另一個更小級別的顏色量化。
在這種情況下，顏色量化的基準(zhǔn)級別為256，當(dāng)差分值diff的范圍在0至255之間時，指定用于把色空間劃分為基準(zhǔn)級別的diff值分別為6，20，60和110，并且色空間首先利用這些diff值被劃分為5個局部區(qū)域。我們假定這些局部區(qū)域為S101，S102，S103，S104和S105。然后，利用sum和hue軸作為基準(zhǔn)把區(qū)域S101至S105劃分為底數(shù)為2的正指數(shù)個相同的部分，這樣就把色空間劃分為256的基準(zhǔn)級別。
把局部區(qū)域S101至S105劃分為256級別的過程與本發(fā)明的第二個實施例中描述的256級別的量化方法是相同的。
在執(zhí)行更小級別的顏色量化以從256級別到128級別的過程中，利用sum軸作為基準(zhǔn)把區(qū)域S101劃分為16個而不是256級別中的32個相同的部分，這樣，區(qū)域S101的量化級別就被減小到16級別。
區(qū)域S102保持這樣一種狀態(tài)利用hue軸作為基準(zhǔn)劃分為256級別中的4個相同部分，并且利用sum軸作為基準(zhǔn)劃分為4個而不是256級別中的8個相同部分，這樣區(qū)域S102的量化級別就被減小到16級別。
區(qū)域S103保持這樣一種狀態(tài)利用sum軸作為基準(zhǔn)劃分為256級別中的4個相同部分，并且利用hue軸作為基準(zhǔn)劃分為8個而不是256級別中的16個相同部分，這樣區(qū)域S103的量化級別就被減小到32級別。
區(qū)域S104保持這樣一種狀態(tài)利用sum軸作為基準(zhǔn)劃分為256級別中的4個相同部分，并且利用hue軸作為基準(zhǔn)劃分為8個而不是256級別中的16個相同部分，這樣區(qū)域S104的量化級別就被減小到32級別。
區(qū)域S105保持這樣一種狀態(tài)利用sum軸作為基準(zhǔn)劃分為256級別中的4個相同部分，并且利用hue軸作為基準(zhǔn)劃分為8個而不是256級別中的16個相同部分，這樣區(qū)域S105的量化級別就被減小到32級別。
這樣，色空間就從256級別劃分為128級別。
在執(zhí)行更小級別的顏色量化以從128級別到64級別的過程中，利用sum軸作為基準(zhǔn)把區(qū)域S101劃分為8個而不是128級別中的16個相同的部分，這樣，區(qū)域S101的量化級別就被減小到8級別。
區(qū)域S102保持這樣一種狀態(tài)利用sum軸作為基準(zhǔn)劃分為4個相同部分，并且利用hue軸作為基準(zhǔn)劃分為4個相同部分。
區(qū)域S103保持這樣一種狀態(tài)利用sum軸作為基準(zhǔn)劃分為4個相同部分，并且利用hue軸作為基準(zhǔn)劃分為4個而不是128級別中的8個相同部分，這樣區(qū)域S103的量化級別就被減小到16級別。
區(qū)域S104保持這樣一種狀態(tài)利用hue軸作為基準(zhǔn)劃分為8個相同部分，并且利用sum軸作為基準(zhǔn)劃分為2個而不是128級別中的4個相同部分，這樣區(qū)域S104的量化級別就被減小到16級別。
區(qū)域S105保持這樣一種狀態(tài)利用hue軸作為基準(zhǔn)劃分為8個相同部分，并且利用sum軸作為基準(zhǔn)劃分為1個而不是128級別中的4個相同部分，這樣區(qū)域S105的量化級別就被減小到8級別。
因此，色空間就從128級別劃分為64級別。
在執(zhí)行更小級別的顏色量化以從64級別到32級別的過程中，區(qū)域101保持這樣一種狀態(tài)利用sum軸作為基準(zhǔn)把區(qū)域S101劃分為64級別中的8個相同的部分。
區(qū)域S102和區(qū)域S103被合并在一個合并區(qū)域中。并且，合并的區(qū)域保持這樣一種狀態(tài)利用hue軸作為基準(zhǔn)劃分為4個相同部分，并且利用sum軸作為基準(zhǔn)劃分為2個相同部分，這樣合并區(qū)域的量化級別就被減小到8級別。
區(qū)域S104保持這樣一種狀態(tài)利用sum軸作為基準(zhǔn)劃分為1個而不是64級別中的2個相同部分，并且利用hue軸作為基準(zhǔn)劃分為4個而不是64級別中的8個相同部分，這樣區(qū)域S104的量化級別就被減小到4級別。
區(qū)域S105保持這樣一種狀態(tài)利用sum軸作為基準(zhǔn)劃分為1個相同部分，并且利用hue軸作為基準(zhǔn)劃分為4個而不是64級別中的8個相同部分，這樣區(qū)域S105的量化級別就被減小到4級別。
因此，色空間就從64級別劃分為32級別。
在本發(fā)明的第二個實施例中，可擴(kuò)充性和搜索性能都比第一個實施例改良了許多，這是因為搜索中使用了HMMD色空間區(qū)域，該區(qū)域被量化為以2x表達(dá)的量化級別。
如上面的說明所述，用于多媒體搜索如圖像搜索和類似搜索的本發(fā)明使用適合于進(jìn)行搜索的HMMD色空間以有效利用最重要的顏色信息，而且本發(fā)明還特別能夠保證高的搜索性能，盡管是使用小數(shù)目的顏色級別進(jìn)行量化。
因此，通過對最佳的顏色量化方法標(biāo)準(zhǔn)化使其通過與搜索相關(guān)的標(biāo)準(zhǔn)如MPEG-7，并且使用搜索所要求的較小的特征空間，本發(fā)明能夠提供很高的搜索性能。
而且，通過提供一種可以保證能夠進(jìn)行相互比較和搜索的互操作性的量化方法，本發(fā)明能夠提供一種以與正確的標(biāo)準(zhǔn)化相一致的顏色為基礎(chǔ)的多媒體搜索方法和解決特征結(jié)構(gòu)的解決方式，這一切都不用考慮用于各種用途的不同的量化方法。
上述實施例僅僅是示例性的，并不是用來限制本發(fā)明的。本發(fā)明很容易就可以應(yīng)用于其他類型的設(shè)備。本發(fā)明的說明書的意圖也只是說明性的，不用于限制權(quán)利要求的范圍。對于本領(lǐng)域的技術(shù)人員而言，很多選擇，修改和變化都是顯而易見的。
權(quán)利要求
1.一種使用圖像顏色直方圖的多媒體搜索方法，包括輸入圖像；通過量化方法量化每個輸入圖象的轉(zhuǎn)換的HMMD顏色值；為每個輸入圖象建立顏色直方圖；測量每個輸入的圖像的顏色直方圖和基準(zhǔn)圖象的顏色直方圖之間的相似性；以及根據(jù)測量的相似性安排輸入圖像，其中顏色量化方法包括步驟(a)，通過使用diff，sum和hue進(jìn)行基準(zhǔn)級別的顏色量化，將色空間劃分為基準(zhǔn)級別；步驟(b)，通過合并由步驟(a)的顏色量化劃分的各個區(qū)域中的至少一個，進(jìn)行更小級別的另一個顏色量化。
2.根據(jù)權(quán)利要求1的方法，其中步驟(a)中的顏色量化級別的基準(zhǔn)是256，當(dāng)差分值diff的范圍是0到255時，被指定用于將色空間劃分為基準(zhǔn)級別的diff值分別是6，20，60和110，并且首先利用這些diff值將色空間劃分為5個局部區(qū)域，S101，S102，S103，S104和S105，并且其中如下將色空間劃分為256個局部區(qū)域通過用sum軸作為基準(zhǔn)將區(qū)域S101劃分為32個相同部分，以便提供32個局部區(qū)域，通過用sum軸作為基準(zhǔn)將區(qū)域S102劃分為8個相同部分，并且通過用hue軸作為基準(zhǔn)將其劃分為4個相同部分，以便提供32個局部區(qū)域，通過用sum軸作為基準(zhǔn)將區(qū)域S103劃分為4個相同部分，并且通過用hue軸作為基準(zhǔn)將其劃分為16個相同部分，以便提供64個局部區(qū)域，通過用sum軸作為基準(zhǔn)將區(qū)域S104劃分為4個相同部分，并且通過用hue軸作為基準(zhǔn)將其劃分為16個相同部分，以便提供64個局部區(qū)域，通過用sum軸作為基準(zhǔn)將區(qū)域S105劃分為4個相同部分，并且通過用hue軸作為基準(zhǔn)將其劃分為16個相同部分，以便提供64個局部區(qū)域。
3.根據(jù)權(quán)利要求2的方法，其中在進(jìn)行更小級別顏色量化的步驟(b)中如下將色空間劃分為128個局部區(qū)域通過用sum軸作為基準(zhǔn)將區(qū)域S101劃分為16個相同部分，以便將該區(qū)域的量化級別減小到16個級別，通過用sum軸作為基準(zhǔn)將區(qū)域S102劃分為4個相同部分，同時保持通過用hue軸作為基準(zhǔn)被劃分為4個相同部分的狀態(tài)，以便將區(qū)域S102的量化級別減小到16個級別，通過用hue軸作為基準(zhǔn)將區(qū)域S103劃分為8個相同部分，同時保持通過用sum軸作為基準(zhǔn)被劃分為4個相同部分的狀態(tài)，以便將區(qū)域S103的量化級別減小到32個級別，通過用hue軸作為基準(zhǔn)將區(qū)域S104劃分為8個相同部分，同時保持通過用sum軸作為基準(zhǔn)被劃分為4個相同部分的狀態(tài)，以便將區(qū)域S104的量化級別減小到32個級別，通過用hue軸作為基準(zhǔn)將區(qū)域S105劃分為8個相同部分，同時保持通過用sum軸作為基準(zhǔn)被劃分為4個相同部分的狀態(tài)，以便將區(qū)域S105的量化級別減小到32個級別。
4.根據(jù)權(quán)利要求3的方法，其中在進(jìn)行更小級別顏色量化的步驟(b)中如下將色空間劃分為64個局部區(qū)域通過用sum軸作為基準(zhǔn)將區(qū)域S101劃分為8個相同部分，以便將區(qū)域S101的量化級別減小到8個級別，保持通過用sum軸作為基準(zhǔn)被劃分為4個相同部分并且通過用hue軸作為基準(zhǔn)被劃分為4個相同部分的區(qū)域S102，通過用hue軸作為基準(zhǔn)將區(qū)域S103劃分為4個相同部分，同時保持通過用sum軸作為基準(zhǔn)被劃分為4個相同部分的狀態(tài)，以便將區(qū)域S103的量化級別減小到16個級別，通過用sum軸作為基準(zhǔn)將區(qū)域S104劃分為2個相同部分，同時保持通過用hue軸作為基準(zhǔn)被劃分為8個相同部分的狀態(tài)，以便將區(qū)域S104的量化級別減小到16個級別，通過用sum軸作為基準(zhǔn)將區(qū)域S105劃分為1個相同部分，同時保持通過用hue軸作為基準(zhǔn)被劃分為8個相同部分的狀態(tài)，以便將區(qū)域S105的量化級別減小到8個級別。
5.根據(jù)權(quán)利要求4的方法，其中在進(jìn)行更小級別顏色量化的步驟(b)中如下將色空間劃分為32個局部區(qū)域保持通過用sum軸作為基準(zhǔn)被劃分為8個相同部分的區(qū)域S101，將區(qū)域S102和區(qū)域S103合并為一個合并區(qū)域，通過用sum軸作為基準(zhǔn)將該合并區(qū)域劃分為2個相同部分，同時保持通過用hue軸作為基準(zhǔn)被劃分為4個相同部分的狀態(tài)，以便將該合并區(qū)域的量化級別減小到8個級別，通過用hue軸作為基準(zhǔn)將區(qū)域S104劃分為4個相同部分，同時保持通過用sum軸作為基準(zhǔn)被劃分為1個相同部分的狀態(tài)，以便將區(qū)域S104的量化級別減小到4個級別，通過用hue軸作為基準(zhǔn)將區(qū)域S105劃分為4個相同部分，同時保持通過用sum軸作為基準(zhǔn)被劃分為1個相同部分的狀態(tài)，以便將區(qū)域S105的量化級別減小到4個級別。
6.一種使用圖像顏色直方圖的多媒體搜索方法，包括輸入圖像；通過量化方法量化每個輸入圖象的轉(zhuǎn)換的HMMD顏色值；為每個輸入圖象建立顏色直方圖；將由大級別的量化方法產(chǎn)生的顏色直方圖的顏色標(biāo)記映射到由小級別的量化方法產(chǎn)生的顏色直方圖的顏色標(biāo)記中的一個，以便測量每個輸入的圖像的顏色直方圖和基準(zhǔn)圖象的顏色直方圖之間的相似性；以及根據(jù)測量的相似性安排輸入圖像。
7.根據(jù)權(quán)利要求6的方法，其中在以下假設(shè)下確定步驟(a)中的映射顏色標(biāo)記對應(yīng)于所要映射的由小級別的量化方法產(chǎn)生的顏色標(biāo)記的各個區(qū)域中的一個區(qū)域中包含由大級別的量化方法產(chǎn)生的顏色標(biāo)記的對應(yīng)局部區(qū)域處的任意點。
8.根據(jù)權(quán)利要求7的方法，其中步驟(a)中的顏色標(biāo)記映射在開始比較兩個初始數(shù)據(jù)的相似性的時間點執(zhí)行，其中將根據(jù)兩個量化方法的顏色標(biāo)記的映射關(guān)系存儲為一個表或類似物，并且其中所存儲的關(guān)系表信息被用于后續(xù)數(shù)據(jù)而無需進(jìn)一步執(zhí)行另一個顏色標(biāo)記映射。
9.一種使用圖像顏色直方圖的多媒體搜索方法，包括輸入圖像；通過量化方法量化每個輸入圖象的轉(zhuǎn)換的HMMD顏色值；為每個輸入圖象建立顏色直方圖；將由大級別的量化方法產(chǎn)生的顏色直方圖的顏色標(biāo)記映射到由小級別的量化方法產(chǎn)生的顏色直方圖的顏色標(biāo)記中的一個，以便測量每個輸入的圖像的顏色直方圖和基準(zhǔn)圖象的顏色直方圖之間的相似性；以及根據(jù)測量的相似性安排輸入圖像，其中顏色量化方法包括首先利用差分值(diff)作為一個軸，使用至少一個任意指定的diff值劃分色空間；通過用sum作為基準(zhǔn)而不考慮hue，將色空間的所劃分區(qū)域中的最低diff區(qū)域劃分為N個相同部分，其中最低diff區(qū)域是灰色區(qū)域，并且N是自然數(shù)；通過分別用sum軸和hue軸作為基準(zhǔn)，利用給定的相應(yīng)常數(shù)將剩余的所劃分區(qū)域劃分為多個相同部分。
全文摘要
揭示了基于HMMD色空間的顏色量化方法和使用該方法的多媒體搜索方法。對量化方法進(jìn)行優(yōu)化以適用于各種量化級別，從而提高HMMD色空間中的搜索性能。而且提供了被量化到不同量化級別的兩個顏色特征之間的互操作性，以便搜索從不同應(yīng)用程序產(chǎn)生的多媒體，并且定義了量化規(guī)則以便保持高搜索性能。而且，本發(fā)明提供一種多媒體搜索方法，能夠測量被量化到不同級別的特征之間的相似性。
文檔編號G06T1/00GK1619543SQ20041009505
公開日2005年5月25日 申請日期2001年5月28日 優(yōu)先權(quán)日2000年5月26日
發(fā)明者李鎮(zhèn)洙, 金賢俊 申請人:Lg電子株式會社