An effective image retrieval scheme using color, texture and shape features

Wang, Xiangyang; Yu, Yijun; Yang, Heng

doi:10.1016/j.csi.2010.03.004

Cited by 220 publications

(117 citation statements)

References 18 publications

Supporting

Mentioning

112

Contrasting

Unclassified

Order By: Relevance

“…Manjunath y Ma (1996) propusieron un descriptor GF basado en el filtro de Gabor para caracterizar imágenes de textura, en el cual se preparan en total 24 filtros de Gabor con 4 frecuencias y 6 orientaciones diferentes. La ecuación (10) muestra un filtro de Gabor con frecuencia (2004) propusieron un filtro llamado filtro orientable (Steering Filter) para el análisis de imágenes el cual ha sido empleado para el sistema del CBIR (Wang et al 2011). El filtro orientable se sintetiza por medio de la combinación lineal de la función base y la función de interpolación con un ángulo deseado.…”

Section: Fig 8 Filtros Para Detección De Bordes Con Diferentes Orienunclassified

“…Para estos dos descriptores, la distancia se calcula como suma de distancia de la media y distancia de la desviación estándar. Manjunath y Ma (1996) propusieron la medida de distancia para GF dada por (16), mientras Wang et al (2011) propusieron ecuación (17) como la distancia para SF.…”

Section: Cálculo De Distanciaunclassified

“…La mayor parte de las superficies naturales exponen textura, que es una de las características visuales más importantes de bajo nivel en los sistemas CBIR (Mao y Jain, 1992;Randen y Husoy 1999;Xu y Zhang 2006;Wang et al 2011;Fernández et al, 2013). Especialmente para las imágenes satelitales, las imágenes médicas y las imágenes de materiales (Alvarez et al 2010), la textura se considera como una de las principales características usada para su clasificación e indexación.…”

Section: Introductionunclassified

“…Por lo tanto, el estándar de MPEG7 proporciona descriptores de texturas, los cuales son descriptores basados en histogramas de borde (EHD) y descriptores basados en filtro de Gabor (Manjunath et al 2001). El filtro orientado es otro descriptor que muestra una idea similar al EHD, sin embargo el costo computacional es más alto aunque describe la imagen de textura con mayor precisión (Jacob y Unser 2004;Wang et al 2011). …”

Section: Introductionunclassified

See 3 more Smart Citations

Efecto de la Transformada Motif en Desarrollo de Descriptores de Textura para la Extracción de Imágenes

et al. 2016

View full text Add to dashboard Cite

* Autor a quien debe ser dirigida la correspondencia.Recibido Nov. 11, 2015; Aceptado Ene. 12, 2016; Versión final Mar. 11, 2016, Publicado Jun. 2016 Resumen En este artículo se analiza el efecto de la transformada Motif en el diseño y desarrollo de descriptores para la extracción de imágenes de textura basada en su contenido (CBIR). La transformada Motif asigna un número del rango limitado a una región local de 2x2 o 3x3 pixeles para resumir características de textura y así reducir la dimensión de descriptor. Para llevar a cabo el análisis y evaluación de descriptores basados en la transformada de Motif, se evalúa el funcionamiento de cuatro descriptores que usan la transformada de Motif y se compara con el funcionamiento de descriptores comúnmente usados en la literatura. El funcionamiento de cada descriptor se evalúa a través de curva de recall-precisión y el promedio del rango de extracción modificado y normalizado (ANMRR) usando cuatro bases de datos de textura. Los resultados muestran que en general los descriptores basados en la transformada Motif proporcionan un valor de ANMRR aceptables con una dimensión reducida del descriptor, el cual es un requerimiento indispensable en cualquier sistema CBIR. Palabras clave: CBIR; imágenes de textura; descriptores; curva de Recall-Precision; ANMRR; dimensión de descriptor Effect of Motif Transform in the Development of Texturebased Descriptors for Content Based Image Retrieval AbstractIn this paper, the effect of the Motif Transform to design and develop texture-based descriptors for the Content Based Image Retrieval (CBIR) task is analyzed. The Motif transform assigns a number of limited range to local region of 2x2 or 3x3 pixels, to summarize texture feature and reduce the dimension of the descriptor. To analyze and evaluate the retrieval performance of the Motif-transform based descriptors, the performance of four descriptors based on the Motif Transform and four commonly used texture descriptors in the literature are compared. The performance of each descriptor is assessed by means of the RecallPrecision curve and the Average Normalized Modified Retrieval Rank (ANMRR) using four texture databases. The experimental results show that the descriptors based on Motif transform provide acceptable performance, keeping sufficiently small dimension, which is an indispensable requirement for any CBIR system.

show abstract

Section: Fig 8 Filtros Para Detección De Bordes Con Diferentes Orienunclassified

Section: Cálculo De Distanciaunclassified

Section: Introductionunclassified

See 2 more Smart Citations

Efecto de la Transformada Motif en Desarrollo de Descriptores de Textura para la Extracción de Imágenes

et al. 2016

View full text Add to dashboard Cite

show abstract

“…Consequently, the process of content based feature extraction from images can be aimed for better description of the input data to facilitate image classification and retrieval with lesser computation load [8]. However, it has been observed that traditional feature extraction algorithms take out large size of feature set which scales up the space complexity and increases the training time [9,10,11]. In this paper, the authors have proposed two novel feature extraction techniques namely feature extraction by image binarization by applying Sauvola's local threshold selection technique and feature extraction by customized Discrete Cosine Transform (DCT).…”

Section: Introductionmentioning

confidence: 99%

Content Based Image Recognition by Information Fusion with Multiview Features

Das¹,

Thepade²,

Ghosh³

2015

IJITCS

View full text Add to dashboard Cite

Abstract-Substantial research interest has been observed in the field of object recognition as a vital component for modern intelligent systems. Content based image classification and retrieval have been considered as two popular techniques for identifying the object of interest. Feature extraction has played the pivotal role towards successful implementation of the aforesaid techniques. The paper has presented two novel techniques of feature extraction from diverse image categories both in spatial domain and in frequency domain. The multi view features from the image categories were evaluated for classification and retrieval performances by means of a fusion based recognition architecture. The experimentation was carried out with four different popular public datasets. The proposed fusion framework has exhibited an average increase of 24.71% and 20.78% in precision rates for classification and retrieval respectively, when compared to state-of-the art techniques. The experimental findings were validated with a paired t test for statistical significance.

show abstract

Applications

2016

2D and 3D Image Analysis by Moments

View full text Add to dashboard Cite

An effective image retrieval scheme using color, texture and shape features

Cited by 220 publications

References 18 publications

Efecto de la Transformada Motif en Desarrollo de Descriptores de Textura para la Extracción de Imágenes

Efecto de la Transformada Motif en Desarrollo de Descriptores de Textura para la Extracción de Imágenes

Content Based Image Recognition by Information Fusion with Multiview Features

Applications

Contact Info

Product

Resources

About