Indexation multi-niveau pour la recherche globale et partielle d'images par le contenu
Résumé
This article presents a quadtree-based data structure for effective indexing of images.An image is represented by a multi-level feature vector , computed by a recursive decompositionof the image into four quadrants and stored as a full fixed-depth balanced quadtree. A nodeof the quadtree stores a feature vector of the corresponding image quadrant. A more generalquadtree-based structure called QUIP-tree (QUadtree-based Index for image retrieval and Pat-tern search) is used to index the multi-level feature vectors of the images and their quadrants.A QUIP-tree node is an entry to a set of clusters that groups similar quadrants according tosome pre-defined distances. The QUIP-tree allows a multi-level filtering in content-based imageretrieval as well as partial queries on images.
Cet article présente une structure d’index pour la recherche d’images par le contenu,l’arbre QUIP (acronyme anglais pour Quadtree-based Index for Image Retrieval and ImagePattern search). Dans notre approche, chaque image de la base est représentée par un descrip-teur dit multi-niveau, qui stocke les descripteurs des quadrants de l’image, obtenus par unedécomposition de l’image en arbre quaternaire. L’arbre QUIP permet de regrouper les imagesen clusters, en fonction de la similarité de leurs quadrants. Cette structure d’index permet nonseulement des recherches globales d’images par le contenu, en appliquant un filtrage multi-niveau via l’arbre quaternaire, mais aussi des recherches d’images similaires par région.
Origine : Fichiers produits par l'(les) auteur(s)
Loading...