Automatic Photography Categorization

Tato práce se zabývá automatickou kategorizací fotografií podle obrazového obsahu. Cílem práce bylo vytvořit aplikaci, která je schopna s dostatečnou přesností a rychlostí tuto úlohu naplnit. Základní řešení obnáší detekci význačných bodů a extrakci lokálních příznaků, tvorbu vizuálního slovníku shlukováním metodou k-means a jeho reprezentaci pomocí k-dimenzionálního stromu. Fotografie je reprezentována pomocí histogramu početnosti výskytu vizuálních slov (bag of words). Úlohu vlastního klasifikátoru plní SVM (support vector machines). Dále je základní řešení obohaceno o dělení obrazu na části se samostatným zpracováním, využití barevných korelogramů pro doplňkový popis obrazu, extrakci lokálních příznaků v opponent color space a měkké přiřazení vizuálních slov k extrahovaným příznakovým vektorům. Závěr práce je věnován experimentům se zmíněnými technikami a vyhodnocování výsledků kategorizace při jejich použití.This thesis deals with content based automatic photo categorization. The aim of the work is to create an application, which is would be able to achieve sufficient precision and computation speed of categorization. Basic solution involves detection of interesting points, extraction of feature vectors, creation of visual codebook by clustering, using k-means algorithm and representing visual codebook by k-dimensional tree. Photography is represented by bag of words - histogram of presence of visual words in a particular photo. Support vector machines (SVM) was used in role of classifier. Afterwards the basic solution is enhanced by dividing picture into cells, which are processed separately, computing color correlograms for advanced image description, extraction of feature vectors in opponent color space and soft assignment of visual words to extracted feature vectors. The end of this thesis concerns to experiments of of above mentioned techniques and evaluation of the results of image categorization on their usage.