專利名稱：用于檢索具有圖像幀組視頻序列的非線性量化和相似性匹配方法
技術(shù)領(lǐng)域：
這個發(fā)明涉及一種用于檢索圖像數(shù)據(jù)的方法；而且尤其涉及一種用于為包含圖像幀組的視頻序列構(gòu)造具有位減少了的邊緣直方圖描述符的位表示，以及一種用于通過使用從所述邊緣直方圖描述符的編碼表示中有效提取的信息來檢索視頻序列的方法。
背景技術(shù)：
聯(lián)合圖像專家組(JPEG)是用于靜止圖像的國際標準，而運動圖像專家組-1(MPEG-1)、2用于運動畫面。對于壓縮的圖像信息，為諸如提取關(guān)鍵幀、圖像搜索、瀏覽等應(yīng)用提取每個圖像的特征信息。
為了提取特征信息，廣泛地使用了亮度或者顏色直方圖。亮度和顏色直方圖分別表示在圖像中的亮度和顏色(紅、綠或者藍)的相對頻率。特別是，近來已經(jīng)提出了各種直方圖比較方法，用于搜索數(shù)字存儲的靜止圖像或者數(shù)字視頻數(shù)據(jù)。因為直方圖獲得在圖像搜索和鏡頭(shot)邊界檢測中使用，所以人們相信要改善傳統(tǒng)的直方圖。也就是說，需要采用可以更有效地表示圖像內(nèi)容的、諸如邊緣直方圖之類的直方圖描述符。此外應(yīng)當(dāng)壓縮該描述符的二進制表示，以及應(yīng)當(dāng)降低相似性匹配的計算復(fù)雜性。
在名稱為“Method and system for detecting scenes and summarizing videosequences”的美國專利5,805,733中公開了一種使用顏色直方圖和邊緣地圖用于鏡頭邊界檢測的方法。雖然該方法在提取考慮到人類視覺系統(tǒng)的顏色信息方面是有效的，但是它不包含亮度信息的提取。
在1991年International Journal of Computer Vision，Vol.7-1、第11-32頁由M.J.Swain等人撰寫的文章“Color Indexing”中公開了一種接收顏色信息然后通過使用直方圖交集技術(shù)測量圖像相似性執(zhí)行索引的方法。然而，這個方法沒有使用亮度和邊緣信息，而且因此沒有足夠地保證準確度。此外，因為在該傳統(tǒng)方法中使用一種離散量化技術(shù)產(chǎn)生直方圖，所以需要相對大量的直方圖格(bin)以獲得均等的性能。因此，導(dǎo)致存儲和相似性測量的低效率。此外，因為傳統(tǒng)上依據(jù)像素執(zhí)行特征提取，所以存在特征信息受限制生成的問題。
同時，因為近來直方圖被廣泛地用于圖像搜索等，所以需要存儲直方圖信息的有效方法。換句話說，依據(jù)存儲直方圖的傳統(tǒng)方式，通過使用線性量化進行歸一化來將直方圖格值存儲在固定尺寸的存儲區(qū)域中。因此，隨著位數(shù)量的增加，這種線性量化來進行直方圖存儲的方法會導(dǎo)致問題。
國際標準化組織/國際電子技術(shù)委員會聯(lián)合技術(shù)委員會1(ISO/IECJTC1)建立了與MPEG-7有關(guān)的、基于內(nèi)容的多媒體檢索技術(shù)的國際標準?；趦?nèi)容的多媒體包含諸如數(shù)字視頻數(shù)據(jù)的運動畫面和靜止圖像。數(shù)字視頻數(shù)據(jù)，即視頻序列包含至少一個運動對象的多個圖像幀。為了檢索視頻序列，從圖像幀中提取運動對象的運動描述符，其中該運動描述符包含圖像幀中的運動對象的運動信息。在提取了運動描述符之后，計算在查詢視頻序列和存儲在數(shù)據(jù)庫中的視頻序列的運動描述符之間的相似性。最終，依據(jù)計算的相似性，檢索期望的視頻序列。
通常，在基于內(nèi)容的多媒體檢索技術(shù)中，運動軌道描述符被廣泛地用作運動描述符。運動軌道描述符包含視頻序列圖像幀中的運動對象的運動軌道信息，而且這些運動對象的運動軌道通過使用基于對象位置和運動對象速度的參數(shù)方程獲得。在使用運動軌道描述符的傳統(tǒng)方法中，很難表示“紋理視頻序列”，該序列具有大量的運動對象，諸如包含爆竹或者瀑布圖像的視頻數(shù)據(jù)。也就是說，在紋理視頻序列中，有大量的運動對象要通過使用運動軌道描述符來表示。因此，存在有用于為大量運動對象提取大量運動軌道描述符的大計算負荷。
因此，為了有效地檢索包含紋理視頻序列的數(shù)字視頻數(shù)據(jù)，已經(jīng)要求有新的數(shù)字視頻數(shù)據(jù)檢索方法和增強的描述方案。

發(fā)明內(nèi)容
本發(fā)明的一個目的是提供一種構(gòu)造數(shù)據(jù)庫的方法，該數(shù)據(jù)庫具有存儲在其中的、用減少的位表示多個視頻序列的圖像信息。
本發(fā)明的另一個目的是提供一種方法，用于響應(yīng)于查詢視頻序列、基于數(shù)據(jù)庫、用高檢索速度和準確度檢索相應(yīng)的視頻序列。
本發(fā)明的還有一個目的是提供一種方法，用于響應(yīng)于查詢視頻序列、基于數(shù)據(jù)庫、用高檢索速度和準確度檢索包含紋理視頻的相應(yīng)視頻序列。
依據(jù)本發(fā)明的一個方面，提供了一種用于構(gòu)造具有表示多個視頻序列的數(shù)字視頻數(shù)據(jù)信息的數(shù)據(jù)庫的方法，其中每個視頻序列具有該數(shù)字視頻數(shù)據(jù)的一組圖像幀，該方法包含步驟a)把每個視頻序列的每個圖像幀劃分成L個子圖像，其中每個子圖像被進一步劃分成為S×T個圖像塊，L、S和T是正整數(shù)；b)向每個圖像塊分配5個參考邊緣中的一個，以由此為每個圖像幀產(chǎn)生L個邊緣直方圖，其中所述邊緣直方圖包含M個邊緣直方圖格，而且所述參考邊緣包含4個定向邊緣和一個不定向邊緣；c)通過S×T歸一化包含在每個邊緣直方圖中的邊緣直方圖格，以由此為每個圖像幀產(chǎn)生M個歸一化的邊緣直方圖格；d)計算每個視頻序列的M個代表性邊緣直方圖格，以便基于每個圖像幀的歸一化邊緣直方圖格，產(chǎn)生每個視頻序列的L個代表性邊緣直方圖；以及e)非線性量化這些代表性邊緣直方圖格，以產(chǎn)生M個量化索引值，作為要存儲在數(shù)據(jù)庫中、用于每個代表性邊緣直方圖的第二圖像描述符。
依據(jù)本發(fā)明的另一個方面，提供了一種用于基于數(shù)據(jù)庫、響應(yīng)于查詢視頻序列而檢索具有數(shù)字視頻數(shù)據(jù)的一組圖像幀的相應(yīng)視頻序列的方法，該方法包含步驟a)計算該查詢視頻序列的L個代表性邊緣直方圖，作為用于該查詢視頻序列的圖像描述符，其中每個代表性邊緣直方圖表示該查詢視頻序列中的圖像幀的子圖像中的5個參考邊緣的代表性空間分布，其中該參考邊緣包含4個定向邊緣和一個不定向邊緣；b)基于數(shù)字視頻數(shù)據(jù)信息從數(shù)據(jù)庫中提取用于視頻序列的多個圖像描述符，其中用于每個視頻序列的每個圖像描述符包含用于所述每個視頻序列的L個代表性邊緣直方圖格；c)將用于查詢視頻序列的圖像描述符和用于每個視頻序列的所述每個圖像描述符進行比較，以產(chǎn)生比較結(jié)果；以及d)基于比較結(jié)果，檢索類似于查詢視頻序列的至少一個目標視頻序列。
依據(jù)本發(fā)明的再另一個方面，提供了一種用于提取視頻序列的圖像描述符的方法，其中每個視頻序列具有該數(shù)字視頻數(shù)據(jù)的多個圖像幀，該方法包含步驟a)選擇用于目標視頻序列的一個圖像幀作為目標圖象幀；b)計算L×5個歸一化邊緣直方圖格，以產(chǎn)生目標圖像幀的L個邊緣直方圖，其中每個邊緣直方圖具有5個歸一化邊緣直方圖格，且表示子圖像中的5個參考邊緣的空間分布，而且L是正整數(shù)，其中參考邊緣包含4個定向邊緣和一個不定向邊緣；c)選擇下一圖像幀作為目標圖像幀；d)重復(fù)步驟b)和c)，直到計算了所有圖像幀的L個邊緣直方圖為止；e)基于每個圖像幀的L個邊緣直方圖，為視頻序列計算具有L×5個歸一化邊緣直方圖格的代表性邊緣直方圖；f)非線性量化代表性邊緣直方圖的L×5個歸一化邊緣直方圖格，以產(chǎn)生用于數(shù)字視頻數(shù)據(jù)的L×5個量化索引值，作為視頻序列的圖像描述符；以及g)向數(shù)據(jù)庫存儲這L×5個量化索引值。


通過下面參考附圖對實施例的描述，本發(fā)明的其它目的和方面將變得明顯，其中圖1A為說明依據(jù)本發(fā)明的一個實施例、用于構(gòu)造具有相應(yīng)視頻序列的多個圖像描述符的數(shù)據(jù)庫的并行處理過程的框圖；圖1B為說明依據(jù)本發(fā)明的另一個實施例、用于構(gòu)造具有相應(yīng)視頻序列的多個圖像描述符的數(shù)據(jù)庫的串行處理過程的流程圖；圖1C為說明依據(jù)本發(fā)明的另一個實施例、用于構(gòu)造具有相應(yīng)視頻序列的多個圖像描述符的數(shù)據(jù)庫的串行處理過程的流程圖；圖2示出了描述具有16個由圖像描述符表示的子圖像的圖像的示意圖；圖3A到3E說明了依據(jù)本發(fā)明，被用于邊緣確定處理過程的5種類型邊緣；圖4為示意圖，表明一個圖像塊被劃分成為4個子塊，其中每個子塊都被分配了濾波系數(shù)；圖5A到5E示出了圖像塊，其中每個圖像塊的子塊都具有用于5個邊緣的相應(yīng)濾波系數(shù)；圖6為示意圖，說明了對應(yīng)于每個圖像幀的80個邊緣直方圖格的隊列；以及圖7為示出了依據(jù)本發(fā)明、用于響應(yīng)于查詢視頻序列的輸入而檢索期望的視頻序列的處理過程的框圖。
具體實施例方式
在下文中，將參考附圖對依據(jù)本發(fā)明的優(yōu)選實施例進行詳細描述。
參見圖1A，其中示出了依據(jù)本發(fā)明的一個實施例、用于構(gòu)造用于相應(yīng)視頻序列的多個圖像描述符的并行處理過程。
如圖所示，目標視頻序列包含多個圖像幀而且同時產(chǎn)生每個圖像幀的邊緣直方圖。
在處理塊S101處，向處理塊S102輸入k個圖像幀。在處理塊S102處，每個圖像幀都被分成N×N，例如4×4個子圖像，其中N是正整數(shù)。用于每個圖像幀的子圖像然后連接到處理塊S103，用于產(chǎn)生該視頻序列的每個圖像幀的邊緣直方圖。也就是說，通過使用多個邊緣獲得用于每個子圖像的邊緣直方圖，然后，用于每個圖像幀的80個歸一化局部邊緣直方圖格被連接到處理塊S104。
在處理塊S104處，通過基于在視頻序列中每個圖像幀的80個歸一化邊緣直方圖格計算80個代表性邊緣直方圖格，來計算目標視頻序列的代表性邊緣直方圖，作為第一圖像描述符。
每個代表性邊緣直方圖格可以是每個圖像幀的相應(yīng)歸一化邊緣直方圖格的平均值或者中間值(median value)中的一個。此外，通過在相應(yīng)歸一化邊緣直方圖格當(dāng)中選擇交集值或者關(guān)鍵值，每個代表性邊緣直方圖格可以是每個圖像幀的相應(yīng)歸一化邊緣直方圖格中的一個。
同時，在計算了代表性邊緣直方圖之后，其它表示對象變化的統(tǒng)計值也可以和這些代表性邊緣直方圖一起，用來檢索期望的視頻序列。其它的統(tǒng)計值包含表示在兩個或更多圖像幀之間的差別的差異。在處理塊S105處，非線性量化代表性邊緣直方圖，以由此產(chǎn)生相應(yīng)的第二圖像描述符，它是例如一組量化索引值。
此后，把用于目標視頻序列的第二圖像描述符輸入和存儲到數(shù)據(jù)庫中S106。上述處理過程通過使用要被存儲在數(shù)據(jù)庫中的多個視頻序列執(zhí)行。
參見圖1B，其示出了說明依據(jù)本發(fā)明、用于構(gòu)造具有用于相應(yīng)視頻序列的多個圖像描述符的數(shù)據(jù)庫的串行處理過程的流程圖，其中每個視頻序列都包含數(shù)字視頻數(shù)據(jù)的一組圖像幀。
如先前所述，視頻序列包含多個圖像幀，而且每個圖像幀的邊緣直方圖被順序產(chǎn)生，以便獲得代表性邊緣直方圖。
在步驟S110處，視頻序列中的一個圖像幀被選為目標圖像幀。在步驟S111處，該選定圖像幀都被分成N×N，例如4×4個子圖像，其中N是正整數(shù)。在步驟S112處，從子圖像中提取邊緣直方圖。在步驟S113處，確定是否生成了所有子圖像的邊緣直方圖。如果沒有生成所有子圖像的邊緣直方圖，則在步驟S114處選擇下一個子圖像，而且在步驟112處生成該下一個子圖像的邊緣直方圖。否則，如果生成了所有子圖像的邊緣直方圖，則整數(shù)k增一，用于在步驟S115處選擇該視頻序列中的下一個圖像幀。在增加了k之后，確定是否選擇了該視頻序列的所有圖像幀。如果沒有選擇該視頻序列的所有圖像幀，則下一個圖像幀被選為要被處理的新選定目標幀，并且重復(fù)上述步驟S110到S115。也就是說，通過使用包含在每個子圖像中的多個邊緣獲得用于每個子圖像的邊緣直方圖，然后獲得用于每個圖像幀的80個歸一化局部邊緣直方圖格。
在產(chǎn)生了該視頻序列的所有圖像幀的所有邊緣直方圖之后，在步驟117處，通過基于每個圖像幀的80個歸一化邊緣直方圖格計算80個代表性邊緣直方圖格，來產(chǎn)生代表性邊緣直方圖，作為第一圖像描述符。每個代表性邊緣直方圖格可以是所有圖像幀的相應(yīng)歸一化局部邊緣直方圖格的平均值或者中間值中的一個。此外，通過在歸一化邊緣直方圖格當(dāng)中選擇交集值或者關(guān)鍵值，每個代表性邊緣直方圖格可以是所有圖像幀的相應(yīng)歸一化局部邊緣直方圖格中的一個。
在步驟S118處，非線性量化代表性邊緣直方圖，以由此產(chǎn)生相應(yīng)的第二圖像描述符，它是例如一組量化索引值。此后，把用于視頻序列的第二圖像描述符輸入和存儲到數(shù)據(jù)庫中。重復(fù)上述處理過程，直到要被存儲到數(shù)據(jù)庫中的所有視頻序列都被處理了為止。
圖1C為說明依據(jù)本發(fā)明的另一個優(yōu)選實施例、用于構(gòu)造具有用于相應(yīng)視頻序列的多個圖像描述符的數(shù)據(jù)庫的串行處理過程的流程圖，其中所述視頻序列具有數(shù)字視頻數(shù)據(jù)的圖像幀。參見圖1C，除步驟119之外，用于構(gòu)造數(shù)據(jù)庫的串行處理過程與圖1B中的流程圖相同。因此，為了方便起見，省略步驟S110到S117的詳細說明。
在步驟S117處產(chǎn)生代表性邊緣直方圖之后，在步驟S119處計算表示在兩個或更多圖像幀之間的差別的變化值?？梢酝ㄟ^計算數(shù)字視頻數(shù)據(jù)中的每個圖像幀的邊緣直方圖的變化獲得該變化值。表示對象變化的變化值也可以用于檢索期望的視頻序列。該變換值可以是方差或者標準偏差。該方差可以與代表性邊緣直方圖一起用于詳細地檢索數(shù)字視頻數(shù)據(jù)。
參見圖2到6，其中示出了說明用于獲得參考圖1描述的第一圖像描述符的處理過程的示意圖。
如圖2所示，為了獲得視頻序列中的每個圖像幀的相應(yīng)邊緣直方圖，數(shù)字為200的輸入圖像幀被分成4×4個不相重疊的子圖像，以由此形成16個矩形形狀的子圖像211到226。每個子圖像都包含多個像素。
為了提取該邊緣直方圖，每個子圖像然后被分成M×T個不相重疊的正方形圖像塊，其中該圖像塊的尺寸取決于圖像的尺寸。每個圖像塊都在邊緣確定處理過程中使用，在該處理過程中通過使用一個邊緣來描述圖像塊。
依據(jù)本發(fā)明的一個實施例，如圖3A到3E所示，邊緣確定處理過程具有五個邊緣，為一個圖像塊選擇其中的一個邊緣。這些邊緣可以包含各種類型的定向邊緣，優(yōu)選為垂直、水平、45度和135度邊緣301到307；和包含至少一個沒有指定方向的邊緣的不定向邊緣309。
為了產(chǎn)生用于子圖像的邊緣直方圖，需要從圖像塊中檢測邊緣特征。也就是說，執(zhí)行邊緣確定處理過程以便確定可以向圖像塊分配哪個邊緣。可以使用一種在空間域中應(yīng)用數(shù)字濾波器的方法來執(zhí)行該提取。
在邊緣確定處理過程中，如圖4所示，圖像塊被劃分成為4個子塊。也就是說，如同所示，參考數(shù)字400表示圖像塊，而參考數(shù)字411、413、415和417分別表示子塊。子塊還被標記為用于圖像塊400的0、1、2和3，其中向每個子塊分配相應(yīng)的濾波系數(shù)，以可以獲得一組邊緣量值。
依據(jù)本發(fā)明的一個實施例，每個圖像塊400被劃分成為2×2個子塊，其中每個子塊都被標記為0、1、2或者3。
對于每個圖像塊，通過使用下列等式獲得對應(yīng)于五種邊緣類型的一組五個邊緣量值mv(i,j)=|Σk=03ak(i,j)×fv(k)|]]>等式1mh(i,j)=|Σk=03ak(i,j)×fh(k)|]]>等式2md-45(i,j)=|Σk=03ak(i,j)×fd-45(k)|]]>等式3md-135(i,j)=|Σk=03ak(i,j)×fd-135(k)|]]>等式4
mnd(i,j)=|Σk=03ak(i,j)×fnd(k)|]]>等式5其中mv(i，j)、mh(i，j)、md-45(i，j)、md-135(i，j)和mnd(i，j)分別表示用于第(i，j)個圖像塊的垂直、水平、45度、135度和不定向邊緣量值；ak(i，j)表示用于在該第(i，j)個圖像塊中標記為k的子塊的平均灰度級，以及fv(k)、fh(k)、fd-45(k)、fd-135(k)和fnd(k)分別表示用于垂直、水平、45度、135度和不定向邊緣的濾波系數(shù)，其中k＝0、1、2和3，每個都表示標記每個子塊的數(shù)字。
參見圖5A到5E，顯示了用于每個邊緣的濾波系數(shù)。
如同所示，參考數(shù)字501、503、505、507和509分別顯示了用于垂直、水平、45度、135度和不定向邊緣的相應(yīng)濾波系數(shù)。每個圖像塊都可以通過使用在五個邊緣量值當(dāng)中的選定一個來表示，其中為相應(yīng)的邊緣計算每個量值。
為了確定對應(yīng)于圖像塊的邊緣，對通過使用上述等式獲得的五個邊緣量值進行相互比較。依據(jù)這個比較，圖像塊由一個在它們當(dāng)中具有最大邊緣量值的邊緣表示，其中該最大邊緣量值還應(yīng)當(dāng)大于預(yù)定閾值。如果最大邊緣量值小于預(yù)定閾值，則確定該圖像塊不包含邊緣。
當(dāng)作為邊緣量值比較的結(jié)果確定用于圖像塊的選定邊緣時，將用于該子圖像的相應(yīng)邊緣直方圖格增1。存在有五種類型的邊緣直方圖格，即，垂直、水平、45度、135度和不定向邊緣直方圖格。這五個邊緣直方圖格是用于表示該邊緣直方圖的部件。為包含在子圖像中的所有圖像塊執(zhí)行相應(yīng)邊緣的檢測，并且然后將對應(yīng)于每個檢測到的邊緣的邊緣直方圖格增1，以由此產(chǎn)生用于該子圖像的邊緣直方圖，即所謂的局部邊緣直方圖。為所有16個子圖像執(zhí)行邊緣的檢測和邊緣直方圖的生成。
局部邊緣直方圖表示子圖像中5種類型邊緣的分布，即用于子圖像的邊緣直方圖。因為子圖像的數(shù)目固定為16，而且每個子圖像都被分配了5個邊緣直方圖格，因此需要80個邊緣直方圖格來為所有16個子圖像生成相應(yīng)的局部邊緣直方圖。也就是說，如下面表格1所示定義BinCounts(格計數(shù))的每個格的語義表格1


其中BinCount
、BinCount[1]...BinCount[79]表示用于邊緣直方圖描述符的編碼位。
參見圖6，其中示出了對應(yīng)于視頻序列中的每個圖像幀的80個邊緣直方圖格的示例隊列。
例如，用于在圖2所示的圖像200的(0，0)處的子圖像211的邊緣直方圖包含第一圖像幀的垂直、水平、45度、135度和不定向邊緣直方圖格600、601、602、603和604(其如圖6所示被稱為BIN COUNT[1.0]、BIN COUNT[1.1]、BIN COUNT[1.3](未示出)和BIN COUNT[1.4](未示出))。同樣，用于在圖2中(0，1)處的子圖像212的局部邊緣直方圖包含在與用于子圖像211的那些格相同的序列中的5個邊緣直方圖格605、606、607、608和609(其也被稱為BIN COUNT[1.5]、BIN COUNT[1.6]、BIN COUNT[1.7]和BIN COUNT[1.9](未示出))。因此，需要總共80個邊緣直方圖格來為所有16個子圖像產(chǎn)生相應(yīng)的16個邊緣直方圖，其中通過將5個邊緣直方圖格乘以16個子圖像來計算總共80個格。
為了獲得視頻序列的每個圖像幀的邊緣直方圖，通過將每個格除以包含在子圖像中的圖像塊總數(shù)，來歸一化子圖像的局部邊緣直方圖中的每個邊緣直方圖格。由此，用于該局部邊緣直方圖的每個邊緣直方圖格都具有范圍從0到1的格值。
在計算了該數(shù)字視頻數(shù)據(jù)中的每個圖像幀的所有邊緣直方圖之后，通過基于該視頻序列中的圖像幀的80個歸一化局部邊緣直方圖格計算80個代表性邊緣直方圖格，來計算該視頻序列的代表性邊緣直方圖，作為第一圖像描述符。
每個代表性邊緣直方圖格可以是所有圖像幀中的相應(yīng)歸一化邊緣直方圖格的平均值或者中間值中的一個。此外，通過在位于相同位置的局部邊緣直方圖格當(dāng)中選擇交集值或者關(guān)鍵值，每個代表性邊緣直方圖格可以是所有圖像幀的相應(yīng)歸一化邊緣直方圖格中的一個。
例如，如果平均值用于計算代表性邊緣直方圖，則代表性邊緣直方圖如下所示進行計算。參見圖6，每個圖像幀位于相同位置的相應(yīng)邊緣直方圖格被相加起來，并且除以該視頻序列中的幀數(shù)目，以產(chǎn)生代表性邊緣直方圖格。例如，相應(yīng)的邊緣直方圖格BIN COUNT[k.0]，BIN COUNT[k-1，0]，...BINCOUNT[1.0]被相加起來，并且除以幀數(shù)目，以產(chǎn)生代表性邊緣直方圖格BINCOUNT
。所有其它邊緣直方圖格也被相加在一起，并且除以該數(shù)字視頻數(shù)據(jù)中的幀數(shù)目，以產(chǎn)生諸如BIN COUNT
、BIN COUNT[1]...BIN COUNT[79]的代表性邊緣直方圖格。在計算了所有代表性邊緣直方圖格之后，如上所述，該視頻序列的代表性邊緣直方圖被存儲為視頻序列的第一圖像描述符。
然后，該數(shù)字視頻數(shù)據(jù)中的代表性邊緣直方圖的歸一化格值作為代表性直方圖格連接到圖1A中所示的處理塊S105。在處理塊S105處，通過使用多個量化表非線性量化該代表性直方圖。
也就是說，為了獲得第二圖像描述符，量化該歸一化格值以獲得它的二進制表示。應(yīng)當(dāng)為該代表性邊緣直方圖的80個歸一化格值執(zhí)行量化。在這種情況下，非線性量化該歸一化格值，以便可以最小化用于二進制表示的整體位數(shù)。為要存儲在數(shù)據(jù)庫中的所有視頻序列執(zhí)行上述處理過程。
結(jié)果，獲得一組量化索引值作為第二圖像描述符。依據(jù)本發(fā)明的一個實施例，使用例如利用Lloyd-Max(勞埃德-麥克斯)算法設(shè)計的非線性量化器執(zhí)行該非線性量化。
為了執(zhí)行該量化，在其中使用了用于垂直邊緣、水平邊緣、45度邊緣、135度邊緣和不定向邊緣直方圖格中的每一個的五個非線性量化表，它們可以表示為下面列出的表2到6表格2用于垂直邊緣直方圖格的量化表

表格3用于水平邊緣直方圖格的量化表

表格4用于45度邊緣直方圖格的量化表


表格5用于135度邊緣直方圖格的量化表

表格6用于不定向邊緣直方圖格的量化表

其中依據(jù)本發(fā)明，每個格的優(yōu)選位數(shù)固定為3，以便在上述量化表中具有8個量化級別。第二圖像描述符然后被存儲在數(shù)據(jù)庫S106中，而且將響應(yīng)于查詢圖像的輸入而被檢索。
圖7為說明依據(jù)本發(fā)明的優(yōu)選實施例、 用于響應(yīng)于查詢視頻序列的輸入而檢索期望的視頻序列的方法的圖。
如果接收到查詢視頻序列，則以與圖1A所示的處理塊S101和S103相同的方式處理該查詢視頻序列。也就是說，通過使用上述相同的方式獲得用于該查詢視頻序列的每個圖像幀的邊緣直方圖，而且這些邊緣直方圖包含用于該查詢視頻序列的歸一化邊緣直方圖格。
此后，基于歸一化邊緣直方圖格，產(chǎn)生該視頻序列中每個圖像幀的局部邊緣直方圖、該視頻序列的代表性邊緣直方圖、用于該查詢視頻序列的全局邊緣直方圖和半全局直方圖，作為圖像描述符。全局邊緣直方圖表示用于整個圖像空間的邊緣分布。將在下文中更詳細地描述全局邊緣直方圖和半全局直方圖。
另一方面，參見圖7，其中示出了一種依據(jù)本發(fā)明的優(yōu)選實施例，用于通過使用多個非線性逆量化表、響應(yīng)于查詢視頻序列的輸入而檢索期望的數(shù)字視頻數(shù)據(jù)的方法，其中所述非線性逆表格可以是如上所述的表格2、3、4、5和6。
當(dāng)輸入查詢視頻序列時，在處理塊S701處執(zhí)行與在處理塊S101中相同的處理過程，即圖像劃分處理過程。
在處理塊S702處，執(zhí)行與在處理塊S103中相同的處理過程，即執(zhí)行每個圖像幀的邊緣直方圖生成。
在處理塊S703處，依據(jù)該視頻序列中每個圖像幀的邊緣直方圖生成該視頻序列的代表性邊緣直方圖。
在計算了該視頻序列的代表性邊緣直方圖之后，執(zhí)行與圖1A中的處理塊S105相同的非線性量化處理過程。
為了實現(xiàn)高的檢索性能，可以在代表性邊緣直方圖的非線性逆量化處理過程S704之后，基于在處理塊S703處生成的代表性邊緣直方圖格，進一步生成用于該查詢視頻序列的全局邊緣直方圖和半全局邊緣直方圖。
對于數(shù)據(jù)匹配處理過程，順序地從預(yù)先建立的數(shù)據(jù)庫S107中檢索用于每個視頻序列的多個第二圖像描述符。對于存儲的目標視頻序列，檢索出一組量化索引值，并且把它們耦合到非線性逆量化表格S704。通過非線性逆量化表格的使用，量化索引值然后被轉(zhuǎn)換成為用于檢索的視頻序列的歸一化邊緣直方圖格。
在處理塊S705處，對查詢視頻序列和檢索的視頻序列的代表性邊緣直方圖進行比較，以選擇期望的視頻序列。
為了精密地匹配檢索的視頻序列和查詢視頻序列，可以使用全局邊緣直方圖和半全局邊緣直方圖。例如，通過使用全局邊緣直方圖和半全局邊緣直方圖說明數(shù)據(jù)匹配處理過程塊S705。
在提取用于該檢索視頻序列的視頻序列代表性邊緣直方圖、全局邊緣直方圖和半全局邊緣直方圖中使用歸一化的邊緣直方圖格。也就是說，為了實現(xiàn)高的檢索性能，在數(shù)據(jù)匹配處理過程中，使用具有歸一化代表性邊緣直方圖格的代表性邊緣直方圖、全局邊緣直方圖和半全局邊緣直方圖，作為用于檢索的視頻序列的圖像描述符。
由本發(fā)明的相同受讓人公共擁有、于2001年10月18日提出、名稱為“NON-LINEAR QUANTIZATION AND SIMILARITY MATCHINGMETHOD FOR RETRIEVING IMAGE DATA”的美國專利申請序列號09/978,668中詳細地描述了全局邊緣直方圖和半全局邊緣直方圖的生成，它的公開內(nèi)容通過引用合并在此。
在數(shù)據(jù)匹配處理過程S705中，通過計算在查詢視頻序列A和目標視頻序列B的代表性、半全局和全局邊緣直方圖之間的距離，如下所示確定在兩個視頻之間的相似性Distance(A,B)=Σi=079|Local_A[i]-Local_B[i]+5×Σi=04|Global_A[i]-Global_B[i]+Σi=064Semi_Global_A[i]-Semi_Global_B[i]]]>等式(6)其中Local_A[i]和Local_B[i]分別表示分配給視頻序列A和B中每一個代表性邊緣直方圖的第i個格的索引值；Global_A[]和Global_B[]分別表示分配給數(shù)字視頻數(shù)據(jù)A和B的每一個全局邊緣直方圖中的第i個格的索引值；以及Semi_Global_A[]和Semi_Global_B[]分別表示分配給視頻序列A和B的每一個半全局邊緣直方圖中的第i個格的索引值。因為用于全局邊緣直方圖的格數(shù)目相對小于代表性和半全局邊緣直方圖的格數(shù)目，所以在上述等式中應(yīng)用了加權(quán)系數(shù)5。
如上所述，使用等式6，可以通過參考逆量化表格來測量在兩個數(shù)字視頻數(shù)據(jù)A和B之間的相似性。在這種情況下，因為應(yīng)當(dāng)通過參考逆量化表格對該圖像的代表性邊緣直方圖格值進行解碼，因此等式6通常在復(fù)雜但是準確檢索的應(yīng)用中使用。這里，每一個逆量化表格對應(yīng)于表格2到6所示的每一個邊緣量化表格。
然后重復(fù)上述處理過程，直到處理了所有視頻序列為止。
依據(jù)本發(fā)明，可以大大地減少存儲用于具有多個圖像幀的視頻序列的量化索引值所需的位數(shù)目。此外，通過使用非線性量化器，可以顯著地減少相似性計算的復(fù)雜度。
此外，通過使用邊緣直方圖描述符，本發(fā)明可以有效地檢索包含紋理視頻的數(shù)字視頻數(shù)據(jù)。
雖然為了說明目的已經(jīng)公開了本發(fā)明的優(yōu)選實施例，但是本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)理解，在不偏離附屬權(quán)利要求公開的本發(fā)明范圍和精神的情況下，進行各種修改、添加、以及替換是可能的。
權(quán)利要求
1.一種用于構(gòu)造具有表示多個視頻序列的數(shù)字視頻數(shù)據(jù)信息的數(shù)據(jù)庫的方法，其中每個視頻序列具有該數(shù)字視頻數(shù)據(jù)的一組圖像幀，該方法包含步驟a)把每個視頻序列的每個圖像幀劃分成L個子圖像，其中每個子圖像被進一步劃分成為S×T個圖像塊，L、S和T是正整數(shù)；b)向每個圖像塊分配5個參考邊緣中的一個，以由此為每個圖像幀產(chǎn)生L個邊緣直方圖，其中所述邊緣直方圖包含M個邊緣直方圖格，而且所述參考邊緣包含4個定向邊緣和一個不定向邊緣；c)用S×T歸一化包含在每個邊緣直方圖中的邊緣直方圖格，以由此為所述每個圖像幀生成M個歸一化的邊緣直方圖格；d)計算所述每個視頻序列的M個代表性邊緣直方圖格，以便基于所述每個圖像幀的歸一化邊緣直方圖格生成每個視頻序列的L個代表性邊緣直方圖；以及e)非線性量化所述代表性邊緣直方圖格，以產(chǎn)生M個量化索引值，作為要存儲在數(shù)據(jù)庫中、用于所述每個代表性邊緣直方圖的第二圖像描述符。
2.如權(quán)利要求1所述的方法，其中，定向邊緣包含垂直邊緣、水平邊緣、45度邊緣、135度邊緣，以及不定向邊緣表示除4個定向邊緣之外、沒有指定方向的邊緣。
3.如權(quán)利要求2所述的方法，其中垂直邊緣、水平邊緣、45度邊緣、135度邊緣和不定向邊緣分別表示為 垂直邊緣水平邊緣45度邊緣 135度邊緣不定向邊緣
4.如權(quán)利要求3所述的方法，其中步驟a)包含步驟a-1)把所述每個圖像幀劃分成為N×N個不相重疊的子圖像，以由此形成L個矩形形狀的子圖像，N是正整數(shù)；以及a-2)把所述子圖像劃分成為S×T個不相重疊的塊，以由此形成S×T個正方形形狀的圖像塊。
5.如權(quán)利要求4所述的方法，其中步驟b)包含步驟b-1)向每個圖像塊分配一個參考邊緣；以及b-2)計算包含在每個子圖像中的每個參考邊緣的數(shù)目，以生成用于每個圖像幀的L個邊緣直方圖。
6.如權(quán)利要求5所述的方法，其中步驟b-1)包含步驟b-11)把每個圖像塊劃分成為2×2個子塊；b-12)向每個子塊分配相應(yīng)的濾波系數(shù)；b-13)通過使用所述濾波系數(shù)為每個圖像塊計算對應(yīng)于五個邊緣的一組5個邊緣量值；以及b-14)通過相互比較計算的邊緣量值，把所述圖像塊表示為具有最大邊緣量值的邊緣。
7.如權(quán)利要求6所述的方法，其中通過使用5個等式獲得所述5個邊緣量值，這5個等式可以表示為mv(i,j)=|Σk=03ak(i,j)×fv(k)|;]]>mh(i,j)=|Σk=03ak(i,j)×fh(k)|;]]>md-45(i,j)=|Σk=03ak(i,j)×fd-45(k)|;]]>md-135(i,j)=|Σk=03ak(i,j)×fd-135(k)|;]]>以及mnd(i,j)=|Σk=03ak(i,j)×fnd(k)|,]]>其中mv(i，j)、mh(i，j)、md-45(i，j)、md-135(i，j)和mnd(i，j)分別表示用于第(i，j)個圖像塊的垂直、水平、45度、135度和不定向邊緣量值；ak(i，j)表示用于在該第(i，j)個圖像塊中標記為k的子塊的平均灰度級，以及fv(k)、fh(k)、fd-45(k)、fd-135(k)和fnd(k)分別表示用于垂直、水平、45度、135度和不定向邊緣的濾波系數(shù)，其中k表示分配給每個子塊的數(shù)字。
8.如權(quán)利要求6所述的方法，其中最大邊緣量值大于預(yù)定閾值，否則所述圖象塊被認為沒有包含邊緣。
9.如權(quán)利要求1所述的方法，其中基于所述視頻序列的圖像幀的相應(yīng)邊緣直方圖格的平均值計算代表性邊緣直方圖格。
10.如權(quán)利要求1所述的方法，其中步驟e)包含步驟e1)通過使用相應(yīng)的非線性量化表格非線性量化每一個代表性邊緣直方圖格，其中步驟e1)具有5個非線性量化表格，每個都對應(yīng)于所述每個參考邊緣。
11.如權(quán)利要求10所述的方法，其中步驟e1)包含步驟e2-1)把每個代表性邊緣直方圖格映射成為包含在每個相應(yīng)參考邊緣量化表格中的代表值；以及e2-2)產(chǎn)生表示用于所述每個代表性邊緣直方圖格的代表值的3位量化索引值，以由此產(chǎn)生L×5個量化索引值，作為用于所述視頻序列的第二圖像描述符。
12.如權(quán)利要求10所述的方法，其中，通過使用基于勞埃德-麥克斯(Lloyd-Max)算法設(shè)計的非線性量化器非線性量化歸一化的邊緣直方圖格。
13.如權(quán)利要求5所述的方法，其中所述N為4。
14.如權(quán)利要求12所述的方法，其中，量化表格包含用于垂直邊緣直方圖格的表格，其中所述垂直邊緣直方圖格表示所述子圖像中垂直邊緣的數(shù)目，而且所述表格表示為
15.如權(quán)利要求12所述的方法，其中，量化表格還包含用于水平邊緣直方圖格的表格，其中所述水平邊緣直方圖格表示所述子圖像中水平邊緣的數(shù)目，而且所述表格表示為
16.如權(quán)利要求12所述的方法，其中，量化表格還包含用于45度邊緣直方圖格的表格，其中所述45度邊緣直方圖格表示所述子圖像中45度邊緣的數(shù)目，而且所述表格表示為
17.如權(quán)利要求12所述的方法，其中，量化表格還包含用于135度邊緣直方圖格的表格，其中所述135度邊緣直方圖格表示所述子圖像中135度邊緣的數(shù)目，而且所述表格表示為
18.如權(quán)利要求12所述的方法，其中，量化表格還包含用于不定向邊緣直方圖格的表格，其中所述不定向邊緣直方圖格表示在所述子圖像中不定向邊緣的數(shù)目，而且所述表格表示為
19.如權(quán)利要求7所述的方法，其中BinCounts的所述每個邊緣直方圖格的語義定義為
20.如權(quán)利要求1所述的方法，進一步包含步驟f)計算所述視頻序列的變化值并且在數(shù)據(jù)庫中存儲該變化值，其中所述變化值包含每個圖像幀的邊緣直方圖的方差。
21.一種用于基于數(shù)據(jù)庫、響應(yīng)于查詢視頻序列而檢索具有數(shù)字視頻數(shù)據(jù)的一組圖像幀的相應(yīng)視頻序列的方法，該方法包含步驟a)計算該查詢視頻序列的L個代表性邊緣直方圖，作為用于該查詢視頻序列的圖像描述符，其中每個代表性邊緣直方圖表示該查詢視頻序列中圖像幀的子圖像中的5個參考邊緣的代表性空間分布，其中所述參考邊緣包含4個定向邊緣和一個不定向邊緣；b)基于數(shù)字視頻數(shù)據(jù)信息，從數(shù)據(jù)庫中提取用于視頻序列的多個圖像描述符，其中用于所述每個視頻序列的每個圖像描述符包含用于所述每個視頻序列的L個代表性邊緣直方圖格；c)將用于查詢視頻序列的圖像描述符和用于每個視頻序列的所述每個圖像描述符進行比較，以產(chǎn)生比較結(jié)果；以及d)基于比較結(jié)果，檢索類似于查詢視頻序列的至少一個視頻序列。
22.如權(quán)利要求21所述的方法，其中，所述每個邊緣直方圖具有對應(yīng)于參考邊緣的5個邊緣直方圖格。
23.如權(quán)利要求21所述的方法，其中定向邊緣包含垂直邊緣、水平邊緣、45度邊緣、135度邊緣，以及不定向邊緣表示除4個定向邊緣之外、沒有指定方向的邊緣。
24.如權(quán)利要求21所述的方法，其中步驟a)包含步驟a1)把查詢視頻序列的每個圖像幀劃分成L個子圖像，其中每個子圖像被進一步劃分成為S×T個圖像塊，L、S和T是正整數(shù)；a2)向每個圖像塊分配5個參考邊緣中的一個，以由此為每個圖像幀生成L個邊緣直方圖，其中所述邊緣直方圖包含M個邊緣直方圖格，而且所述參考邊緣包含4個定向邊緣和一個不定向邊緣；a3)通過S×T歸一化包含在每個邊緣直方圖中的邊緣直方圖格，以由此為所述每個圖像幀生成M個歸一化的邊緣直方圖格；a4)計算所述查詢視頻序列的M個代表性邊緣直方圖格，以便基于所述每個圖像幀的歸一化邊緣直方圖格，生成每個視頻序列的L個代表性邊緣直方圖。
25.如權(quán)利要求23所述的方法，其中步驟a2)包含步驟a2-1)向每個圖像塊分配一個參考邊緣；以及a2-2)計算包含在每個子圖像中的每個參考邊緣的數(shù)目，以生成用于所述查詢視頻序列的L個邊緣直方圖。
26.如權(quán)利要求25所述的方法，其中步驟a2-1)包含步驟a2-11)把每個圖像塊劃分成為2×2個子塊；a2-12)向每個子塊分配相應(yīng)的濾波系數(shù)；a2-13)通過使用所述濾波系數(shù)為每個圖像塊計算對應(yīng)于五個邊緣的一組5個邊緣量值；以及a2-14)通過相互比較計算的邊緣量值，把所述圖像塊表示為具有最大邊緣量值的邊緣。
27.如權(quán)利要求26所述的方法，其中通過使用5個等式獲得所述5個邊緣量值，這5個等式可以表示為mv(i,j)=|Σk=03ak(i,j)×fv(k)|;]]>mh(i,j)=|Σk=03ak(i,j)×fh(k)|;]]>md-45(i,j)=|Σk=03ak(i,j)×fd-45(k)|;]]>md-135(i,j)=|Σk=03ak(i,j)×fd-135(k)|;]]>以及mnd(i,j)=|Σk=03ak(i,j)×fnd(k)|,]]>其中mv(i，j)、mh(i，j)、md-45(i，j)、md-135(i，j)和mnd(i，j)分別表示用于第(i，j)個圖像塊的垂直、水平、45度、135度和不定向邊緣量值；ak(i，j)表示用于在該第(i，j)個圖像塊中標記為k的子塊的平均灰度級，以及fv(k)、fh(k)、fd-45(k)、fd-135(k)和fnd(k)分別表示用于垂直、水平、45度、135度和不定向邊緣的濾波系數(shù)，其中k表示分配給每個子塊的數(shù)字。
28.如權(quán)利要求26所述的方法，其中最大邊緣量值大于預(yù)定閾值，否則所述圖象塊被認為沒有包含邊緣。
29.如權(quán)利要求21所述的方法，其中用于查詢和目標視頻序列的圖像描述符還分別包含基于L×5個代表性邊緣直方圖格的全局邊緣直方圖和R個半全局直方圖，R是正整數(shù)。
30.如權(quán)利要求29所述的方法，其中全局邊緣直方圖表示在查詢和目標視頻序列的整體空間中的邊緣分布，而且每個半全局邊緣直方圖表示在查詢和目標視頻序列的相應(yīng)子圖像組中的邊緣分布。
31.如權(quán)利要求29所述的方法，其中所述N和R分別為4和13。
32.如權(quán)利要求31所述的方法，其中，為13個4子圖像組中的每一組生成13個半全局邊緣直方圖中的每一個，其中這13組包含四個4子圖像組，每組包含垂直方向的該圖像第一到第四列的每一列中的4個子圖像；四個4子圖像組，每組包含水平方向的第一到第四行的每一行中的4個子圖像；四個4子圖像組，每組包含一個相應(yīng)的子圖像和在該相應(yīng)子圖像周圍的3個子圖像，其中該相應(yīng)子圖像分別位于該圖像的左上部、右上部、左下部和右下部；以及包含在該圖像中心周圍的4個子圖像的一組。
33.如權(quán)利要求21所述的方法，其中步驟b)包含步驟b1)檢索用于每個目標視頻序列的L×5個量化索引值；b2)通過使用5個非線性逆量化表格，把所述L×5個量化索引值中的每一個轉(zhuǎn)換成為用于所述每個目標視頻序列的L×5個代表性邊緣直方圖格；以及b3)基于所述L×5個歸一化邊緣直方圖格產(chǎn)生L個代表性邊緣直方圖。
34.如權(quán)利要求33所述的方法，其中步驟b)還包含步驟b4)基于所述L×5個代表性邊緣直方圖格，進一步生成用于每個目標視頻序列的全局邊緣直方圖和R個半全局直方圖。
35.如權(quán)利要求21所述的方法，其中步驟b)包含步驟b1)檢索用于每個目標視頻序列的L×5個量化索引值；b2)通過歸一化所述L×5個量化索引值，把所述L×5個量化索引值中的每一個轉(zhuǎn)換成為用于所述每個目標視頻序列的L×5個代表性邊緣直方圖格；以及b3)基于所述L×5個代表性邊緣直方圖格，生成L個代表性直方圖。
36.如權(quán)利要求35所述的方法，其中步驟b)還包含步驟b4)基于所述L×5個歸一化邊緣直方圖格，進一步生成用于每個目標圖像的全局邊緣直方圖和R個半全局直方圖。
37.如權(quán)利要求34所述的方法，其中步驟c)包含步驟通過等式計算在查詢視頻序列和所述每個目標視頻序列之間的距離，所述等式表示為Distance(A,B)=Σi=079|Local_A[i]-Local_B[i]+5×Σi=04Global_A[i]-Global_B[i]]]>+Σi=064|Semi_Global_A[i]-Semi_Global_B[i].]]>其中Local_A[i]和Local_B[i]分別表示查詢視頻序列A和目標視頻序列B的BinCount[i]的邊緣直方圖格；Global_A[]和Global_B[]分別表示用于查詢圖像A和目標圖像B的全局邊緣直方圖的邊緣直方圖格；以及Semi_Global_A[]和Semi_Global_B[]分別表示用于查詢視頻序列A和目標視頻序列B的半全局邊緣直方圖格的直方圖格值。
38.如權(quán)利要求36所述的方法，其中步驟c)包含步驟通過等式計算在查詢視頻序列和所述每個目標視頻序列之間的距離，所述等式表示為Distance(A,B)=Σi=079|Local_A[i]-Local_B[i]+5×Σi=04|Global_A[i]_Global_B[i]]]>+Σi=064|Semi_Global_A[i]-Semi_Global_B[i]]]>其中Local_A[i]和Local_B[i]分別表示查詢視頻序列A和目標視頻序列B的BinCount[i]的邊緣直方圖格；Global_A[]和Global_B[]分別表示用于查詢視頻序列A和目標視頻序列B的全局邊緣直方圖的邊緣直方圖格；以及Semi_Global_A[]和Semi_Global_B[]分別表示用于查詢視頻序列A和目標視頻序列B的半全局邊緣直方圖格的直方圖格值。
39.一種用于為視頻序列提取圖像描述的方法，其中每個視頻序列具有數(shù)字視頻數(shù)據(jù)的多個圖像幀，所述方法包含步驟a)選擇一個圖像幀作為目標圖像幀；b)計算L×5個歸一化邊緣直方圖格，以產(chǎn)生所述目標圖像的L個邊緣直方圖，其中所述每個邊緣直方圖具有5個歸一化邊緣直方圖格，且表示子圖像中的5個參考邊緣的空間分布，而且L是正整數(shù)，其中參考邊緣包含4個定向邊緣和一個不定向邊緣；c)選擇下一圖像幀作為目標圖像；d)重復(fù)步驟b)和c)，直到計算了所有圖像幀的L個邊緣直方圖為止；e)基于每個圖像幀的L個邊緣直方圖，為所述視頻序列計算具有L×5個歸一化邊緣直方圖格的代表性邊緣直方圖；f)非線性量化所述代表性邊緣直方圖的L×5個歸一化邊緣直方圖格，以生成L×5個量化索引值，作為所述視頻序列的圖像描述；以及g)向數(shù)據(jù)庫存儲所述L×5個量化索引值。
40.如權(quán)利要求39所述的方法，其中每個量化索引值都由3位表示。
41.如權(quán)利要求39所述的方法，其中定向邊緣包含垂直邊緣、水平邊緣、45度邊緣、135度邊緣，且不定向邊緣表示除所述4個定向邊緣之外、沒有指定方向的邊緣。
全文摘要
本申請公開了一種用于構(gòu)造具有表示多個視頻序列的數(shù)字視頻數(shù)據(jù)信息的數(shù)據(jù)庫的方法。該方法包含步驟a)把每個視頻序列的每個圖像幀劃分成為L個子圖像；b)為每個圖像幀生成L個邊緣直方圖；c)歸一化這些邊緣直方圖格，以由此產(chǎn)生M個歸一化邊緣直方圖格；d)基于這些歸一化邊緣直方圖格，計算M個代表性邊緣直方圖格，以便產(chǎn)生L個代表性邊緣直方圖；以及e)非線性量化這些代表性邊緣直方圖格，以為每個代表性邊緣直方圖生成要存儲在數(shù)據(jù)庫中的M個量化索引值。
文檔編號H04N7/24GK1714574SQ03825568
公開日2005年12月28日 申請日期2003年1月16日 優(yōu)先權(quán)日2002年10月31日
發(fā)明者樸圣熙, 樸秀晙, 蔣明吉, 樸相奎, 元致善 申請人:韓國電子通信研究院