空間關係分類以及相似性量測之 範用結構 A General Framework For Classification and Similarity Measure of Spatial Relationship 研究生：洪宗賢 指導教授：蔣依吾 博士 國立中山大學資訊工程學系.

Presentation on theme: "空間關係分類以及相似性量測之 範用結構 A General Framework For Classification and Similarity Measure of Spatial Relationship 研究生：洪宗賢 指導教授：蔣依吾 博士 國立中山大學資訊工程學系."— Presentation transcript:

1 空間關係分類以及相似性量測之 範用結構 A General Framework For Classification and Similarity Measure of Spatial Relationship 研究生：洪宗賢 指導教授：蔣依吾 博士 國立中山大學資訊工程學系

2 Symbol-Based 以文字當搜尋鍵值 Google影像搜尋系統 : 缺點: 意義含糊、耗費大量人力註解 2

3 Content-Based Image Retrieval (CBIR)
Color Histogram [Shamik2002, Saha S.K2004] Reference Color Table Method [S. C. Pei99] Sobel Edge Detection [S.E.Lotfy2000,Natalia2004] 同樣事物有不同特徵,不同事物卻有相同特徵 Chain Code [Chalechale2004, Heechan2005]

4 Multiple-Instance Learning (MIL)
∩ ∩ ━ {藍天、白雲、樹木、岩石、瀑布} 1. {藍天、白雲、樹木、岩石、瀑布} 2. {岩石、瀑布、河流} 3. {樹木、岩石、瀑布} 正相關影像特徵 第四點 ： 負相關影像特徵: 藍天、白雲、草原、岩石 Concept = {岩石,瀑布}–{藍天,白雲,草原,岩石} ={瀑布} 4

5 MIL搜尋結果 3(+): 1(-): 資料庫影像數：2678

6 遭遇問題 RSS：Retrieval by Spatial Similarity Positive Images
Retrieval Images RSS Ranking? , (1)步存在共有空間關係 (2)如何進行相似性糧測 Feature Space? ,

7 論文流程 空間關係 定義 多張正負相關影像 空間關係 相鄰圖 正負相關特徵空間 (RSS) 影像相似性量測

8 空間關係推理技術 SMR SRC 9DLT Matrix SRR GPN Matrix PN Matrix 2d G-string
[2001] [97] 9DLT Matrix SRR [2001] [91] GPN Matrix PN Matrix [97] [2001] 2d G-string 2d C-string 2d C+ string 2d string 2d string [94] [88] [92] 2d B-string 2d Bε-string SRR MSR [87] [92] [92] [2005] [2004] WeiRe’s method 2d H-string [88] [2001] 2d+ string 2d PIR-string [99] SBA Pointset [95] [91] [2005]

9 一維空間關係 13 種空間關係 推論出二維空間169 (13*13)種空間關係

10 空間關係相鄰圖 1

11 二維空間關係 11

12 合併

13 推論流程 (1) Vs. (2) Vs. , , (3) Vs.

14 合併規則 14

15 多張影像特徵空間

16 正負相關影像特徵空間 正相關影像 負相關影像 SRU：空間關係宇集合

17 正負相關影像特徵空間 Positive Images Negative Images Retrieval Images A 17

18 多張影像之相似性量測 Positive Images:(P) Retrieval Images:( R) RSS ,
Negative Images:(N) 之前是不存在共有空間關係為前提下的相似性糧測 現在存在共有關系和非共有關係 , 1. 空間關係之相似性:由特徵空間和距離計算 2. 使用MIL產生的比重問題

19 多張影像之相似性量測 Positive Images: MIL Proportion for Spatial Similarity :

20 多張影像之相似性量測 Positive Images: MIL A:

21 多張影像之相似性量測 Negative Images:(N) , C: B:未被分類元素 = SRU-A-C , , ∈ B ∈ A

22 多張影像之相似性量測 比對 , ,

23 多張影像之相似性量測 retrieval images: , vs. , Positive Images:(P)
Negative Images:(N) vs. ,

24 結論 可讓使用者能動態地歸結出有興趣之空間關係範圍，並計算出影像間之相似性以作為搜尋之依據 未來展望： 1.加入碎形編碼技術
　1.加入碎形編碼技術 2.加入其他特徵比對