文献

J-GLOBAL ID：201802246527998546   整理番号：18A2096339

DCT領域におけるGLCM特徴を用いたCBIR方式【JST・京大機械翻訳】

A CBIR Scheme Using GLCM Features in DCT Domain

著者 (3件)： Kumar Sumit (Dept of Computer Science and Engineering, Indian Institute of Technology(ISM), Dhanbad, Jharkhand, 826004, India) ,  Pradhan Jitesh (Dept of Computer Science and Engineering, Indian Institute of Technology(ISM), Dhanbad, Jharkhand, 826004, India) ,  Pal Arun Kumar (Dept of Computer Science and Engineering, Indian Institute of Technology(ISM), Dhanbad, Jharkhand, 826004, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCIC  ページ： 1-7  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： CBIR方式の性能と有効性は,それぞれ顕著な画像特徴だけでなく,小さい次元の構成に直接関連している。そこで,本論文では,画像データの大域的情報よりも局所情報を考慮することにより,元の画像サイズと比較して小さな次元の顕著な画像成分または特徴を有する画像検索プロセスを実行した。最初に,画像データを離散余弦変換(DCT)によってブロックレベルにおいて利用して,次に,いくつかの重要なDCT係数を顕著な画像成分として各々のブロックから選択した。しかしながら,すべてのDCT係数は視覚認識に関して等しく重要ではなく,それらの次元は画像検索プロセスでも無視できない。その後,選択したAC係数を4つの異なるグループに分割した。その後,いくつかの統計的パラメータを各グループから計算した。各統計値を特定のマトリックスに置いた。従って,各グループから構築された行列の数は評価された統計的パラメータの数に等しく,DC係数に対するより多くの行列が考慮される。さらに,小次元特徴ベクトルの構築のために,濃淡レベル共起行列(GLCM)をすべての構成行列に用いて,色成分に対する特徴ベクトルを導出した。同じ手順をすべての3つの構成要素に関して採用して,すべての特徴ベクトルを結合して,最終的特徴ベクトルを形成した。提案したCBIR構造を,3つの標準画像データベース,すなわち,Core-lK,GHIM-10K,およびOliviaデータベース上でテストし,実験結果は,それらの精度値に関して,多くの事例において,満足な画像検索と性能を実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 画像特性 ,  統計量 ,  視認 ,  *画像 ,  データベース ,  DCT【変換】 ,  画像検索
準シソーラス用語： 共起行列 ,  特徴ベクトル ,  DCT係数 ,  画像データ ,  *コンテンツベース画像検索 ,  *同時生起行列 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： DCT ,  GLCM ,  CBIR