Color-based image retrieval using discrete distribution features analysis

A evolução das tecnologias de aquisição, transmissão e armazenamento de imagens tem permitido a construção dc bancos dc imagens cada vez maiores. À medida em que cresce o volume de imagens nessas coleções, cresce também o intcresse por sistemas capazes de recuperar essas imagens. Essa tarefa tcem sido endereçada pelos sistemas de recuperação de imagens por conteúdo. Nesses sistemas, o conteúdo de uma imagem é descrito a partir de suas características visuais de baixo nível, tais como cor, forma e textura. Um sistema de recuperação de imagens por conteúdo idcal deve ser eficaz e eficiente. A eficácia é resultado de representações abstratas das imagens. Em geral, os métodos que realizam esse processo normalmente falham na presença de diferentes condições de iluminação, oclusão e foco. A eficiência, por outro lado, é resultado da organização dada à essas representações. Em geral, os métodos de agrupamento constituem uma das técnicas mais úteis para diminuir o espaço de busca e acelerar o processamento de uma consulta. Para endereçar a eficácia, este trabalho apresenta o 81FT -Texton, um método capaz de incorporar informações sobre iluminação, oclusão e foco nas características visuais de baixo nível. Esse método baseia-se na distribuição discreta de características invariantes locais e em propriedades de baixo nível das imagens. Em relação às questões de eficiência, este trabalho apresenta o DAH-Cluster, um novo paradigma de agrupamento aplicado à recuperação de imagens por conteúdo. Esse método combina características dos paradigmas hierárquicos divisivo e aglomerativo. Além disso, o DAH-Cluster introduz um novo conceito; chamado fator de reagrupamento, que permite agrupar elementos similares que seriam separados pelos paradigmas tradicionais. Experimentos mostram que a combinação dessas técnicas permite a criação de um mecanismo robusto de recuperação de imagens por conteúdo, atingindo resultados mais eficazes e mais eficientes que as abordagens tradicionais descritas na literatura. As principais contribuições deste trabalho são: (1) um novo método para recuperação de imagens capaz de incorporar informações sobre iluminação, oclusão e foco nas características visuais de baixo nível; e (2) um novo paradigma de agrupamento de dados que pode ser aplicado à recuperação de informaçãoAdvances in data storage, data transmission, and image acquisition have enabled the creation of large images datasets. This has spurred great interest for systems that are ablc to efficicntly rctricve images from these collections. This task has been addressed by thc so-called Content-Based Image Retrieval (CBIR) systems. ln these systems, image content is represented by their low-level features, such as color, shape, and texture. An ideal CBIR system should be effective and efficient. Effectiveness is achieved from image's abstract representations. ln general, traditional approaches for this process often fail in presence of different illumination, occlusion, and viewpoint conditions. Efficiency, on the other hand, is achieved from the organization given for these representations. ln general, data clustering approaches are one of the most useful techniques to reduce search space and speed up query processing. To address effectiveness issues, this work presents 81FT-Texton, a new method to incorporate illumination, occlusion, and viewpoint conditions into low-level features. This approach is based on discrete distributions of local invariant features and low-level image properties. With regard to efficiency issues, this work presents DAH-Cluster, a new clustering paradigm applied to CBIR. This approach combines features from both divisive and agglomerative hierarchical clustering paradigms. ln addition, DAH-Cluster introduces a new concept, called factor of reclustering, that allows grouping similar elements that would be separated by traditional clustering paradigms. Experiments show that the combination of these techniques allows the creation of a robust CBIR mechanism, achieving more effective and efficient results than traditional approaches in literature. The main contributions of this work are: (1) a new method for image retrieval that incorporates illumination, occ1usion, and viewpoint conditions into low-level features; and (2) a new data clustering paradigm that can be applied to information retrieval task