색상 레이아웃 설명자

이 기사는 어떠한 출처도 인용하지 않는다. 신뢰할 수 있는 출처에 인용문을 추가하여 이 기사를 개선하는 데 도움을 주십시오. 조달되지 않은 자재는 제거될 수 있습니다.출처 : "컬러 레이아웃 기술자"– 뉴스 · 신문 · 서적 · 학자 · JSTOR ( 2021년 2월) (이 템플릿 메시지 삭제 방법 및 삭제 시기 확인)

디지털 화상 및 비디오 처리에서 컬러 레이아웃 기술자(CLD)는 이미지 내의 색상의 공간 분포를 캡처하도록 설계되어 있다.특징 추출 프로세스는 그리드 기반 대표 색상 선택과 양자화를 통한 이산 코사인 변환의 두 부분으로 구성됩니다.

색상은 비주얼 콘텐츠의 가장 기본적인 품질이기 때문에 색상을 사용하여 이미지를 묘사하고 표현할 수 있습니다.MPEG-7 규격은 색상을 설명하는 가장 효율적인 절차를 테스트하여 보다 만족스러운 결과를 제공하는 방법을 선택했습니다.이 표준은 이러한 기술자를 얻기 위한 다양한 방법을 제안하며, 색상을 기술하기 위해 정의된 도구 중 하나가 시퀀스 또는 이미지 그룹 간의 색상 관계를 기술할 수 있는 CLD이다.

CLD는 영역 또는 이미지에 중첩된 그리드 상의 대표 색상의 공간 레이아웃을 캡처합니다.표현은 이산 코사인 변환(DCT) 계수를 기반으로 합니다.이것은 매우 콤팩트한 디스크립터로, 고속의 브라우징과 검색 애플리케이션에 매우 효율적입니다.비디오 세그먼트뿐만 아니라 정지 영상에도 적용할 수 있습니다.

정의.

CLD는 고속 이미지 검색을 위한 매우 콤팩트하고 해상도 불변한 색상 표현으로 색상의 공간적 분포를 효율적으로 표현하도록 설계되었습니다.이 기능은 다양한 유사성 기반 검색, 컨텐츠 필터링 및 시각화에 사용할 수 있습니다.특히 공간 구조 기반 검색 애플리케이션에 유용합니다.이 디스크립터는 DCT 변환을 Y 또는 Cb 또는 Cr 색 공간에서 로컬 대표 색상의 2-D 배열에 적용하여 얻을 수 있습니다.CLD의 기능은 기본적으로 일치합니다.

– 이미지 대 이미지 매칭

– 비디오 클립과 비디오 클립의 매칭

CLD는 가장 정확하고 빠른 색 기술자 중 하나라는 점에 유의하십시오.

추출.

이 색상 설명자의 추출 프로세스는 다음 4단계로 구성됩니다.

• 이미지 파티셔닝
• 대표 색상 선택
• DCT 변환
• 지그재그 스캔

표준 MPEG-7에서는 CLD에 YCbCr 색 공간을 사용할 것을 권장합니다.

이미지 파티셔닝

화상 분할 단계에서는 입력 화상(RGB 색공간상의)을 64개의 블록으로 분할하여 해상도 또는 스케일에 대한 불변성을 보증한다.이 스텝의 입력과 출력은 다음 표에 요약되어 있습니다.

입력 단계 1	출력 스테이지 1
입력화면 [M×N]	입력 화면은 다음과 같이 분할되어 있습니다. 64 블록 [M/8xN/8]

대표 색상 선택

화상 분할 스테이지 후에, 각 블록으로부터 1개의 대표색을 선택한다.대표색을 선택하는 방법은 어떤 것이든 적용할 수 있지만, 일반적으로는 보다 간단하고 기술정확도가 충분하기 때문에 대응하는 대표색으로서 블록 내의 화소색 평균의 사용을 권장하고 있다.선택하면 크기가 8x8인 작은 이미지 아이콘이 나타납니다.다음 그림은 이 프로세스를 나타내고 있습니다.그림의 이미지에서 원본 이미지의 해상도는 표현을 용이하게 하기 위해서만 유지됩니다.이 단계의 입력과 출력은 다음 표에 요약되어 있습니다.

입력 2단계	출력 스테이지 2
64블록으로 분할된 입력 화면 [M/8xN/8]	작은 이미지 아이콘 [8x8]

작은 화상 아이콘을 얻으면 RGB와 YCbCr 사이의 색공간 변환이 적용된다.

입력 3단계	출력 스테이지 3
RGB 색 공간의 작은 이미지 아이콘 [8x8]	YCbCr 색 공간의 작은 이미지 아이콘 [8x8]

DCT 변환

4단계에서는 휘도(Y)와 청색 및 적색 색도(Cb, Cr)를 8x8 DCT 변환하므로 64 DCT 계수의 3세트를 얻는다.2D 어레이에서 DCT를 계산하려면 다음 공식을 사용합니다.

$\displaystyle B_{pq}=\alpha_{p}\alpha_{q}\sum_{m=0}^{M-1}^{N-1}A_{mn}\cos {frac {pi (2m+1)p}{2M}}\cos {frac {{pi (2n+1)q}{2N},\qquad 0\leq p\leq M-1,\;0\leq N-1}$

${\displaystyle \alpha _{p}=cases{\fracrt {M}},&p=0\{\sqrt {\frac {2}{M}},&1\leq p\leq M-1\end{cases}}\qquad \alpha _{q}=cases{\frcases}{\frcases}{\frcrcrt {\frt {\fr}}$

이 단계의 입력과 출력은 다음 표에 요약되어 있습니다.

입력 4단계	출력 스테이지 4
작은 이미지 아이콘 [8x8] YCbCr 색공간에서	64개의 계수로 구성된 3개의 [8x8] 행렬 (DSCTY, DCTCb, DCTCr)

지그재그 스캔

그림에 나타난 스키마에 따라 이들 64개의 DCT 계수의 3세트를 사용하여 지그재그 스캔을 실시한다.지그재그 스캔의 목적은 8x8 매트릭스의 저주파수 계수를 그룹화하는 것입니다.이 단계의 입력과 출력은 다음 표에 요약되어 있습니다.

입력 단계 5	출력 스테이지 5
64개의 계수로 구성된 3개의 [8x8] 행렬 (DSCTY, DCTCb, DCTCr)	3 지그재그 주사 매트릭스 (DY, DCb, DCr)

마지막으로 이들 3조의 매트릭스는 입력 화상의 CLD에 대응한다.

매칭

일치 공정은 두 요소가 동일한지 여부를 평가하고 두 요소 간의 거리를 계산하는 데 도움이 됩니다.색상 설명자의 경우 일치 프로세스를 통해 두 이미지가 유사한지 여부를 평가할 수 있습니다.순서는 다음과 같습니다.

– 이미지를 입력으로 지정하면 응용 프로그램은 이미지 데이터베이스에서 유사한 설명자를 가진 이미지를 찾으려고 합니다.

2개의 CLD를 고려했을 경우:

{DY, DCb, DCr}

{DY,, DCb,, DCr‟},

두 기술자 사이의 거리는 다음과 같이 계산할 수 있습니다.

${{displaystyle D=sum _{i}w_{yi}(DY_{i}-DY_{i})^{2}+{sqrt {i}w_{bi}(DCB_{i}-DCB_{i})+{\sum_{i}(DC})$

첨자 i는 계수의 지그재그 스캔 순서를 나타냅니다.또한 일치 공정의 성능을 조정하기 위해 계수 w의 가중치를 부여할 수 있습니다.이러한 가중치를 통해 설명자의 일부 구성 요소를 다른 요소보다 더 중요하게 생각할 수 있습니다.공식을 관찰하면 다음과 같이 추출할 수 있다.

– 거리가 0인 경우 2개의 이미지가 동일합니다.

– 거리가 0에 가까울 경우 2개의 이미지가 유사합니다.

따라서 이 매칭 프로세스를 통해 유사한 색 설명자를 가진 이미지를 식별할 수 있습니다.상기 유사도 매칭 프로세스의 복잡도가 낮기 때문에 고속 화상 매칭을 실현할 수 있다.

실행

우리는 비슷한 색의 이미지를 찾는 것을 목표로 하기 때문에 이들 이미지에서 CLD를 추출한 후 이들 기술자를 매칭 기술과 비교해야 한다.따라서 이 방법의 구현에서 두 가지 주요 부분을 정의할 수 있습니다.

– 이미지 데이터베이스를 처리하여 CLD를 취득합니다.

– 입력 이미지와 처리된 데이터베이스 간의 유사성 매칭 검색

다음 그림은 데이터베이스 분석 프로세스를 보여 줍니다.

실행

이 과정에서 각 화상을 나타내는 CLD를 얻기 위해 화상의 데이터베이스를 해석한다.이 프로세스는 이전 섹션에서 설명한 대로 이미지를 메모리에 업로드하고 디스크립터를 계산하는 것으로 구성됩니다.최종 결과는 나타내는 이미지에 링크된 CLD 데이터베이스입니다.

화상데이터베이스가 해석되면 입력화상과 CLD 데이터베이스와의 매칭을 실시한다.이 과정을 통해 거리 증가에 따라 비슷한 색상의 이미지를 얻을 수 있습니다.

「 」를 참조해 주세요.

• JPEG discrete 이산 코사인 변환– DCT 변환의 알기 쉬운 예가 포함되어 있습니다.
• MPEG-7
• 비주얼 디스크립터

레퍼런스

외부 링크

• 주요 논문 – 컬러 기반 이미지 분류 및 설명 (Sergi Laencina Verdaguer)
• 시각 및 의미 이미지 기술자 관련(J. Stauder 및 J. Sirot)
• MPEG-7의 개요(컬러 레이아웃)