Uma Proposta de Melhoria no Processo de Recuperação de Imagens com Base na Distribuição de Características de Baixo Nível em seus Segmentos Utilizando Índice InvertidoPatrícia Proença1, Ilmério Silva2,

Celia Barcelos3,

1 patriciaproenca@gmail.com, 2 ilmerio@facom.ufu.br, 3 celiazb@ufu.br, 4

2

Objetivo

indexação de características de baixo nível de segmentos de imagens digitais mapeadas para um índice invertido:

melhoras de desempenho no processamento de consultas;

ganho na precisão no conjunto de imagens recuperadas em grandes bases de dados;

Motivação

Grande número de imagens digitais;

Necessidade de localizar imagens:

melhores algoritmos de busca, métodos de indexação e técnicas de classificação de imagens digitais;

4

Trabalhos Relacionados

crescimento da busca de imagens pelo próprio conteúdo - CBIR (Recuperação de Imagens Baseada no Conteúdo), [Datta et al, 2008]: encontrar imagens relevantes - características visuais

extraídas automaticamente das imagens;

em [Matos et al, 2008a] e [Matos et al, 2008b] - adaptação do CBIR: paradigma Índice Invertido;

índice invertido - ganho na velocidade de recuperação de documentos sem perda de qualidade na recuperação;

5

Trabalhos Relacionados

[Matos et al, 2008a] - sistema de recuperação baseado em conteúdo:

técnicas textuais - indexação e cálculo da similaridade;

termos da recuperação textual palavras presentes nos arquivos textuais - na recuperação por conteúdo :

faixas de valores extraídos da imagem através característica de baixo nível - momentos de cor;

momentos de cor - caracteriza as imagens em termos da distribuição dos canais de cores:

três medidas estatísticas: média, desvio padrão e obliqüidade;

Trabalhos Relacionados - [Matos

et al, 2008a] imagens - espaço de cor RGB para o espaço de cor

HSV e calculo dos três momentos para cada canal H, S e V – vetor com nove posições;

Imagens indexadas com os valores - cada canal de cor HSV;

similaridade - cosseno entre os vetores;

melhoria no desempenho do processamento: sem perda significativa na qualidade da recuperação

quando comparada com a busca por distância euclidiana;

7

Vetor de Característica

Tabela 1 – Descrição do vetor de característica resultante da extração de característica da imagem usando os três momentos de cor do espaço HSV, [Matos et al, 2008a].

8

Índice Invertido

Africa10: MHA...DSC...IVHFlor13: MHB...DSD...IVHAfrica12: MHB...DSD...IVHÔnibus33: MHA...DSC...IVH . . .

Imagens MHA

Vocabulário

IVHIVH

MHB

DSCDSD

Lista Invertida

áfrica10, ônibus33...áfrica12, flor13, ...

áfrica10, ônibus33...áfrica12, flor13, ...

áfrica12, ônibus33...áfrica10, flor13, ...

Índice Invertido

9

Cálculo da Similaridade –Utilizando o Índice Invertido

Imagem de Consulta:

Vetor de característica Ic =[MHA, MSB]

I1 = [MHA ,MSC]

I2 = [MHB, MSC]

I3 = [MHA,MSB]

I4 = [MHF,MSD]

Banco de dados de imagens

Lista Invertida:MHA I1, I3

MHB I2

MHC I4

MSB I3

MSC I1, I2

MSD I4

Neste caso teríamos as imagens ordenadas da seguinte forma:

I3, I1

Vetor de característica Ic =[MHA, MSB]Vetor de característica Ic =[MHA, MSB]

Lista Invertida:MHA I1, I3

MHB I2

MHC I4

MSB I3

MSC I1, I2

MSD I4

Lista Invertida:MHA I1, I3

MHB I2

MHC I4

MSB I3

MSC I1, I2

MSD I4

Lista Invertida:MHA I1, I3

MHB I2

MHC I4

MSB I3

MSC I1, I2

MSD I4

Metodologia

algoritmos de segmentação - obter uma segmentação satisfatória das imagens;

adaptar o algoritmo desenvolvido em [Matos et al, 2008a]: atribuir os termos da Tabela 1 a cada segmento

das imagens segmentadas;

vetor - termos encontrados em todos os segmentos da imagem;

Segmento 1 = [MHA, DHC, ....., IVE] Segmento 2 = [MHB, DHG, ......, IVA]

Imagem 1 = Segmento 1 + Segmento 2

Imagem 1

Imagem 1 = [MHA, MHB, DHC, DHG, ......, IVA, IVE]

Segmentação

Metodologia

importância do termo no documento:

trabalhos [Matos et al, 2008a] e [Matos et al, 2008b] - pesos de valores fixos são atribuídos as faixas de valores;

discriminação dos termos :

estudar formas de reformular esses pesos;

observando a distribuição destes termos nos segmentos;

Metodologia

experimentos - coleção referência com aproximadamente 32.000 imagens, [Datta et al, 2008];

objetivo principal - ganho no tempo de execução em grandes coleções sem perder a qualidade da recuperação;

14

Banco de dados da imagem

15

Resultados Esperados Aumentar qualitativamente e

quantitativamente a quantidade de faixas - segmentação de imagens;

Atribuição de pesos em cada faixa - uma melhor discriminação entre as faixas;

Melhorar a qualidade da precisão obtida no trabalho [Matos et al, 2008a], mantendo o ganho de desempenho no processamento da consulta;

Muito Obrigada!

Patrícia Proença

patriciaproenca@gmail.com