与递归直方图矢量发生匹配的基于调色板的直方图的制作方法

专利名称：与递归直方图矢量发生匹配的基于调色板的直方图的制作方法
技术领域：
本发明涉及图像处理和图形匹配领域，并特别涉及在两个数据集的每个的直方图(histogfam)特征基础上对两个数据集的比较。
直方图一般被用于表征数据集。数据集之间的相似性通常可通过比较数据集内每个的公用值出现的相对频率来确定。图形匹配，并且特别是图像匹配，通常包括直方图比较以确定图像之间的相似性或搜索较大图像内的目标对象。
直方图包括“类(class)”或“库(bin)”，用于包含被表征的数据集内类的组成数的频数。每个数据项基于其值而与类关联，并且数据集内每个数据值的出现导致被关联类的频数被增值(increment)。在一些直方图结构中，每个数据项可与多个类关联，并且每个类的频数为数据项的每次出现而被增值。为便于在此作为参照，假定每个数据值都与单个类关联，没有一般性(generality)损失，这是因为不考虑被用于将频数分配给类的技术，本发明的原理是可用的。
被用于将数据集的不同数据值分类的类数通常确定了直方图的鉴别能力或分辨率。如果许多不同的数据值被分配给相同的直方图类，则具有基本上不同的数据值的数据集直方图可以是等效的，并因此是可辨别的。相反，如果每个不同的数据值都被分配给不同的直方图类，则具有很相似但不完全相同的数据值的数据集直方图将基本上是不同的，即使数据集是相似的。通常，当亦为基本上相似的数据集提供了相似或等效的直方图时，选择被用于将不同的数据值分类的类数从而提供在基本上不同的数据集之中好的辨别能力。
在常规直方图比较过程中，提供直方图之间相似性测量所需要的时间与直方图中的类数成比例，而计算一个区域的直方图的时间与该区域的大小成比例。具有好的辨别能力的直方图结构(即大量的类)可导致过长的处理时间。在一些应用如实时视频处理中，处理速度对于应用的可行性是至关重要的，但通常强加了减小直方图辨别能力的折中。
图像处理领域中的一般应用是在相对大的图像中搜索相对小的目标图像的位置。在这样的应用中，可能包含较小目标图像的较大图像的每个区域被评估以确定该区域的内容是否对应于目标内容。在这个应用的情况下，直方图为目标的内容而被生成，并且这个目标直方图被与对应于较大图像中每个可能包含目标的区域的直方图进行比较。考虑一个大小上为N乘M像素的图像和一个大小上为n乘m像素的目标。该图像包括(N-(n-1))×(M-(m-1))个可能包含该目标的区域。在典型的应用中，图像可在大小上为1024×1024像素，而目标可在大小上小于100×100像素。在这个实例中，图像包括几乎一百万个可能的区域，并且需要用于每个这些区域的直方图。欲评估区域的这个潜在大的数量进一步使有效的直方图生成和直方图比较过程成为必要，特别是对于实时图像处理。
本发明的目的是提供允许有在直方图之中足够的辨别能力而无需过多的处理时间的直方图比较过程。本发明的另一目的是提供具有基本上独立于直方图中类数的处理时间的直方图比较过程。本发明的另一目的是提供独立于目标大小的直方图比较过程。本发明的另一目的是提供对评估对应于较大数据集内重叠区域的直方图特别有效的直方图比较过程。
通过提供对第一数据集的直方图矢量和第二数据集相应的直方图矢量进行比较的直方图比较过程，可实现这些和其它目的。第一和第二数据集的直方图矢量是从所选几个直方图类的直方图值而形成的，所选的几个类是包含最高频数的第一数据集的类。仅使用第一数据集的所选几个类来表征第二数据集；有属于其它类的值的数据项被忽略。对应于第二数据集，调色板数据集被生成，其中第三数据集内的数据项对应于第一数据集所选类的索引，或对于所忽略的数据项的零索引。对应于重叠区域的直方图被基于第三数据集而递归地确定。若给出对应于第一区域的直方图，则仅通过增值位于第二但不位于第一区域中的单元的索引频数并减值位于第一但不位于第二区域中的单元的索引频数，就可确定第二、重叠区域的直方图。
参照附图并通过实例，本发明被更详细地描述，在附图中

图1示出对应于实例搜索阵列的实例值阵列。
图2示出依照本发明的目标直方图矢量的形成和实例目标值阵列。
图3示出依照本发明的阵列比较过程的实例流程图。
图4示出依照本发明对应于在搜索阵列中目标调色板值的出现的实例调色板阵列。
图5A和5B示出依照本发明用于搜索阵列重叠区域的搜索直方图矢量的实例递归确定。
在所有的附图中，相同的参考数字表示相似或相应的特征或功能。
本发明提供了对两个数据集基于直方图的比较，并特别好地适合于在较大数据集的一个或多个区域内、或者在数据集的较大集合中的一个或多个数据集内定位第一数据集或第一数据集的近似。为便于参照，第一数据集被称为目标数据集或目标。在图像处理的情况下，目标可以是人的图像。本发明基于直方图的比较过程可被用于在一组人们的较大图像中寻找人的图像，或在人们不同图像的集合中寻找人的图像，或者两者的组合。尽管本发明是将图像用作范例数据集而提供的，但它亦可用于在值的类的出现频率(即直方图)的基础上比较任何数据集，正如在考虑到本公开内容时对本邻域的普通技术人员来说这将是显然的。
图1示出对应于欲与目标值阵列(图2中的210)比较的数据集的实例值阵列100。为便于参照和说明，本发明被提供于在较大的搜索数据集内寻找较小目标数据集的情况，尽管如以上所指出的，本发明可用于在其它数据集的集合内寻找目标数据集，并且每个搜索数据集可以是与目标数据集相同的大小。尽管搜索数据集优选为至少与目标数据集一样大，但本邻域的普通技术人员将认识到，可对比较进行构建以在较小的搜索数据集内寻找目标的一个或多个较小部分。另外，数据集不需要为二维值阵列；通过使用本发明的原理，一维或多维阵列亦是可比较的。
搜索阵列100的每个单元101被示出为具有在a-z的范围内的数据值。在图像处理的情况下，这些数据值可对应于颜色值、照度值、纹理值等，或者这些值的组合。例如，在此引入作为参考、代理记录为US010238、授予Miroslav Trajkovic、提交于2001年5月11日、序列号为09/854121的共同未决的U.S.专利申请“Object trackingbased on color distribution(基于颜色分布的对象跟踪)”，公开了合成数据值的使用，如果数据项(图像的像素)可区别于灰，则所述数据值由色度分量来确定，而如果数据项为灰或接近灰，则由亮度分量来确定。此外，色度分量是每个数据项的色彩(hue)(颜色)和饱和度(白度)测量的组合。在其它情况下，如人口统计，数据值可对应于经济、政治联系(affiliation)等的分类。
图2示出实例目标值阵列210，其使用与搜索阵列100相同的可能数据值(a-z)的集。即在图像处理的情况下，目标阵列210中的字母“a”对应于与亦具有字母“a”的搜索图像100中的数据项相同的颜色值或合成值，并且反之亦然。通常，在目标和搜索阵列中均使用相同的过程来确定数据项的值。
通常，目标数据集将包含比可能数据值的数量少的不同值。就是说，例如，即便要，很少的图像将包含所有可能的颜色值。在图2的实例中，从a-z的26个可能值范围或直方图库，目标包含九个不同的值f、a、j、b、s、d、p、g和h。对应于目标图像的这九个值的每个的直方图库220的内容在230处被示出。如所示，数据值“a”在目标中出现四次；值“s”出现三次；值“d”和“f”出现两次，而值“g”、“h”、“j”、“b”和“p”每个出现一次。目标的直方图表示中所有其它的直方图库将包含零的频数。
依照本发明，目标中“N”个最频繁出现的数据值被识别。在这个实例中，N被选为七，而七个最频繁出现的数据值被识别为a、s、d、f、g、h和j。约束(tied)值被任意选择以便包括在N个值中。就是说，字母g、h、j、b和p每个都出现一次；可选择这些字母的任何三个以完成七个数据值的选择。
由于本发明特别好地适合于基于颜色值直方图的图像处理和图像匹配，目标数据集内N个最频繁出现的数据值的集合在此被称为目标调色板。在图2的实例中，目标调色板包括值a、s、d、f、g、h和j，有被分配给每个的序贯索引1-7，如列240所示。这些索引240被用于形成矢量250，在此被称为目标直方图矢量或目标矢量，其示出目标中每个调色板值的数字。就是说，矢量的第一单元或维对应于调色板值“a”(调色板索引为“1”)，而第一单元的值为四，由此示出目标包含值“a”的四次出现。以类似方式，第二单元示出目标包含值“s”(调色板索引为“2”)的三次出现，第三单元示出目标包含值“d”(调色板索引为“3”)的两次出现，等等。应指出，由于目标调色板和矢量被限定于N(7)的大小，对应于目标的被包含于直方图230中的一些值(特别是b和p)不再被呈现于目标调色板中，也不在目标矢量中。如将在以下所提出的，用本发明原理来比较数据集的速度基本上依赖于N，这是辨别相似数据集的能力。N的选择依赖于具体的应用以及速度和性能之间适当的折中。在图像处理应用中，为了与八和十六位的字大小或公用字节的兼容性，N的值典型地为七或十五。
依照本发明，目标与另一数据集或数据集的子集的比较是通过比较目标直方图矢量与对应于其它数据集或子集的直方图矢量来实现的。通过使用对应于搜索阵列中目标调色板值出现的“调色板阵列”，使得目标直方图矢量与另一数据集或子集的直方图矢量的比较变得容易。在搜索阵列100的实例中，包含a、s、d、f、g、h或j的调色板值之一的阵列的每个单元1 01分别由调色板索引数字1、2、3、4、5、6或7在调色板阵列中识别。调色板阵列中的所有其它单元被设定为零或空值(null)以表示在搜索阵列的相应单元处不包含调色板值。图4示出对应于图1实例搜索阵列100的调色板阵列400，并在以下被进一步讨论。
图3示出依照本发明的数据集比较过程的实例流程图。在310处，目标直方图是通过对目标数据集内每个数据值的出现数进行计数而确定的。可实现映射以将具体值映射或量化为对应于所限定直方图的类或库的数据值。例如，如果直方图类对应于将连续范围的值划分(partition)为整数值，则舍入或截断过程将被应用于识别对应于适当直方图类或库的整数数据值。
在320处，通过识别目标数据集内N个最频繁出现的数据值(直方图类)，目标调色板如以上所述被形成。目标调色板被用于如以上所述在330处形成目标直方图矢量并在340处生成对应于搜索数据集内目标调色板值的出现的调色板阵列。
图4示出对应于图1搜索阵列100中图2实例目标调色板值(a、s、d、f、g、h和j)的出现的实例调色板阵列400。图1搜索阵列100的第一行的首先五个单元分别为q、z、g、w和s，而图4调色板阵列400的第一行的首先五个单元分别为0、0、5、0和2。首先两个字母q和z不在目标调色板值的集内，并由此调色板阵列400在第一行相应的两个位置中包含零或空值。第三个字母g是目标调色板值集的成员，并且其调色板索引为五。这样，调色板阵列400第一行的第三个单元为索引值五。以类似的方式，第四和第五个字母w和s映射于调色板阵列值零(w不是调色板值)和二(s为目标调色板中的第二个值)。从算法上，这个过程被限定为如果Vi，j为调色板值的成员，则pi，j＝m，否则pi，j＝0；其中Vi，j为搜索数据集(图1中的100)i，j位置处的数据项的值，pi，j为调色板阵列中相应的i，j入口(entry)的值，而m为对应于搜索值Vi，j的调色板值的索引。
在图像内搜索目标是通过处理图像调色板400而实现的。通过图3的循环350-380，图像调色板400被搜索与目标大小相同的区域，该目标具有与目标直方图矢量相似的直方图矢量。正如对本邻域普通技术人员来说是显然的，若假定直方图在大小上的差异被规格化(normalize)，则可使用与目标直方图矢量在大小上不同的区域。为便于参照，在以下假定了相等的目标和区域大小。
由于被用于生成目标直方图矢量的调色板值的索引与图像调色板400中的每个单元关联，搜索数据集区域的直方图矢量的生成只需要累加每个索引在搜索数据集区域内出现的次数。例如，包括调色板索引1的三次出现、调色板索引2的一次出现、调色板索引3的两次出现等等的图4的区域410，具有直方图矢量(3，1，2，1，1，0，1)415。以类似的方式，区域420具有直方图矢量(3，3，2，2，1，0，1)425。在图3的360处，调色板阵列每个目标大小的区域的直方图矢量被确定，并在370处与目标直方图矢量比较。优选地，以下方程被用于确定两个直方图矢量之间的相似性S=Σk=1Nmin(hRk,hTk),]]>其中hR为区域的直方图矢量，hT为目标的直方图矢量，而N为每个直方图矢量中的维数或长度。在该实例中，图4的矢量415(3，1，2，1，1，0，1)与图2的目标矢量250(4，3，2，2，1，1，1)的相似性为S＝min(3，4)+min(1，3)+min(2，2)+min(1，2)+min(1，1)
+min(0，1)+min(1，1)S＝3+1+2+1+1+0+1＝9。
矢量425(3，3，2，2，1，0，1)与目标矢量250(4，3，2，2，1，1，1)的相似性为S＝min(3，4)+min(3，3)+min(2，2)+min(2，2)+min(1，1)+min(0，1)+min(1，1)S＝3+3+2+2+1+0+1＝12。
基于这两个相似性测量，区域420(对应于矢量425)被确定为比区域410较相似于目标。这种相似性测量可基于最大可能值而被规格化到0-1的范围，所述最大可能值为目标直方图矢量hT的分量之和。在这个实例中，最大值为14，并由此区域420被确定具有12/14或近似为0.86的规格化相似性测量，与之相比，对于区域410，为近似0.63的相似性测量。
应指出，必须为搜索集或调色板400中的每个不同的目标大小的区域而确定直方图矢量。依照本发明的另一方面，每个区域的直方图矢量是基于其直接相邻的直方图矢量而被确定的。例如，考虑图4中竖直邻接的目标大小的区域450和460，区域460为由虚线边框限定的区域。区域450的直方图矢量为(1，1，0，2，0，1，1)。通过减值与区域450第一行中像素集关联的索引的矢量值(对应于在区域450内但不在区域460内的像素)并增值与区域450之下的行中的像素集关联的索引的矢量值(对应于在区域460内但不在区域450内的像素)，区域460的直方图矢量可被确定。在这个实例中，第七个调色板颜色的矢量值被减值，而第四个调色板颜色的矢量值被增值，给出了区域460的直方图矢量(1，1，0，2+1，0，1，1-1)＝(1，1，0，3，0，1，0)。以类似的方式，通过将从其它区域被“删除”的竖直列中的索引的矢量值减值并将被“加”给其它区域以形成水平邻接区域的竖直列中的索引的矢量值增值，与另一区域水平邻接的区域的直方图可被确定。这样，在确定了第一目标大小的区域的直方图矢量后，每个随后的直方图矢量可通过有限数量的增值或减值运算来确定。
图5A和5B示出对依照本发明用于搜索阵列重叠区域的搜索直方图的递归确定的更有效的改进。本实施例特别好地适合于被配置以直接实现矢量运算的系统，如包含MMX技术的系统。
实例目标区域450在图5A中被示出；为便于参照，索引i，j被用于识别每个单元的行(i)和列(j)。区域左上的索引被用于识别该区域。例如，图5B中的区域46 0被识别为区域(i+1，j)，其位于与区域450相同的列(j)，但位于下一个下面的行(i+1)。
对应于区域450中的每行，直方图矢量hh被示出。矢量hh(i，j)451对应于在(i，j)处开始的目标大小的行；hh(i+1，j)452作为其下面的行，等等。区域450的直方图矢量455被示出为每个行矢量的矢量和，并被识别为hr(i，j)。
假定直方图矢量hr(i，j)存在，则仅通过减去对应于区域最上面行hh(i，j)451的直方图矢量并加上对应于区域450下面的行hr(i+4，j)464的直方图矢量，就可计算对应于区域460的直方图矢量hr(i+1，j)，如图5B中所示。从算法上hr(i+1，j)＝ hr(i，j)+hh(i+w，j)-hh(i，j)，其中w为区域的行数。应指出，单个矢量的加和减提供了独立于区域竖直大小w的对应于区域的直方图矢量确定。矢量加和减的速度依赖于矢量的维数，其在本应用中为调色板值的数量。调色板值的数量决定上述相似性测量的辨别能力，并由此依照本发明，该过程的速度直接关系到本发明直方图比较过程的辨别能力。
以上方程被用于确定对应于竖直列(j)中每个区域的直方图矢量。在本发明的优选实施例中，递归技术亦被用于邻接竖直列(j+1)的处理。如以上所指出的，水平行矢量hh被用于在基本上独立于区域竖直大小的时间内计算区域直方图矢量。以类似的方式，每个水平行矢量hh在基本上独立于区域水平大小的时间内被确定，如以下hh(i，j+1)＝hh(i，j)hh(i，j+1)[p(i，j+m)]++hh(i，j+1)[p(i，j)]--，其中p(x，y)为调色板阵列中x，y位置处的调色板索引值，而m为区域的宽度。以上方程是用“C”语言编写的，并对应于设定邻接的(i，j+1)直方图矢量等于在先的(i，j)直方图矢量；增值直方图矢量中第p个矢量单元，其中p为直接与区域(i，j)的行的最后的水平单元邻接的调色板阵列单元(i，j+m)的内容；以及减值直方图矢量中的第p个矢量单元，其中p为区域(i，j)的行的最先调色板阵列单元(i，j)的内容。以这种方式，仅需要单个增值和减值运算以确定每个行矢量hh，而不管区域的水平大小m。
行矢量的这种递归确定的实例参照图4的虚线边框472内单元(0-1-6-1)的行矢量确定而被示出，其直接邻接于区域450的第二调色板行(4-0-1-6)。对应于这个第二调色板行(4-0-1-6)的行矢量452(1，0，0，1，0，1，0)在图5A中被示出。为从在先邻接行的行矢量452来确定对应于行472的矢量，矢量值首先被设定等于先前矢量452(1，0，0，1，0，1，0)。然后，对应于被加上的调色板单元(“1”)473调色板值的矢量单元被增值(1+1，0，0，1，0，1，0)，而对应于被去掉的调色板单元(“4”)4 7 4的矢量单元被减值(1+1，0，0，1-1，0，1，0)，从而形成对应于所需单元行(0-1-6-1)472的矢量(2，0，0，0，0，1，0)。应指出，由于在这个确定中仅需要先前行的最先和最后加一的调色板值，这种单个增值和减值过程是可用的，而不管单元行的宽度。
对于除形成目标和搜索数据集的二维(i，j)阵列外的其它结构，可得出类似的方程，正如在考虑到本公开内容时对本邻域的普通技术人员来说这将是显然的。例如，一维(线性)阵列对应于常数(单位)值j，并且可单独使用在紧接的上面所描述的邻接水平行的递归确定，由此需要单个增值和减值运算以确定每个直方图矢量。
优选地，本发明被实施为可在处理系统上执行的计算机程序，其有辅助硬件单元，如由该处理系统控制的图像和矢量处理器。其它实施例对于本领域的普通技术人员来说将是显然的。例如，调色板阵列400可由软件例行程序在存储器中生成，该例行程序亦确定目标矢量和第一区域矢量。可提供“特定用途”集成电路如可编程门阵列，其被配置以‘步进通过(step-through)’存储器，比较目标矢量与区域矢量，并且应用以上限定的递归算法以确定每个随后的区域矢量并重复该过程直到每个区域都已被评估。
上述仅示出了本发明的原理。由此将理解，本领域的技术人员将能设计各种安排，尽管未在此明确描述或示出，其亦实施本发明的原理并由此在以下权利要求的精神和范围内。
权利要求
1.一种比较两个数据集的方法，包括-确定对应于第一数据集内值的分布的第一直方图，-确定对应于第一数据集内特定数量不同值的多个调色板值，-确定对应于第一直方图的第一直方图矢量，第一直方图矢量包括每个都对应于多个调色板值中的调色板值的单元，-识别对应于多个调色板值的第二数据集内的值，-确定对应于第二数据集内值的第二直方图矢量，以及-将第一直方图矢量和第二直方图矢量比较。
2.权利要求1的方法，其中确定第二直方图矢量包括第二直方图矢量的递归确定，其基于先前被确定的直方图矢量以及被包含于先前被确定的直方图矢量内但不被包含于第二直方图矢量内的单元和被包含于第二直方图矢量内但不被包含于先前被确定的直方图矢量内的单元。
3.权利要求2的方法，其中递归确定包括-基于相应的一个或多个先前的行矢量而确定一个或多个行矢量，以及-基于先前被确定的直方图矢量和一个或多个行矢量而确定第二直方图矢量。
4.权利要求1的方法，其中第一数据集对应于目标图像的第一像素值，而第二数据集对应于源图像的第二像素值。
5.权利要求4的方法，其中第一像素值和第二像素值对应于每个像素的色彩分量、饱和度分量和亮度分量的至少一个。
6.权利要求1的方法，其中多个调色板值对应于第一数据集内的值，其具有比第一数据集内其它值高的第一直方图内的频数。
7.权利要求1的方法，其中不同值的特定数量基本上小于第一数据集内可能不同值的最大数量。
8.权利要求1的方法，进一步包括将第一和第二数据集内的值映射到多个直方图类，并且其中每个调色板值对应于多个直方图类中的直方图类。
9.权利要求1的方法，其中识别第二数据集内的值包括-生成对应于识别多个调色板值中调色板值的每次出现的第二数据集的调色板数据集，而确定第二直方图矢量包括-提供调色板数据集内每个调色板值出现数的计数。
10.权利要求1的方法，其中-第二数据集是包括第三数据集的较大数据集的子集，该第三数据集与第二数据集重叠，-第三数据集具有第三直方图矢量，并且-确定第二直方图包括-使第二直方图矢量等于第三直方图矢量；-对被包括于第三数据集内但不被包括于第二数据集内的调色板值而减值第二直方图矢量，并且-对被包括于第二数据集内但不被包括于第三数据集内的调色板值而增值第二直方图矢量。
11.权利要求10的方法，其中-对被包括于第三数据集内但不被包括于第二数据集内的一个或多个段确定第一中间矢量，-对被包括于第二数据集内但不被包括于第三数据集内的一个或多个段而确定第二中间矢量，并且-减值第二直方图矢量包括减去第一中间矢量，而-增值第二直方图矢量包括加上第二中间矢量。
12.权利要求1的方法，进一步包括-识别对应于多个调色板值的多个数据集内每个中的值，-确定对应于多个数据集内值的多个其它直方图矢量，-将第一直方图矢量与多个直方图中的每个比较，以及-基于将第一直方图矢量与第二直方图矢量和多个直方图矢量中的每个比较，识别最相似于第一数据集的多个数据集内选择的一个。
13.一种计算机程序，当由处理系统执行时，其被配置以实现以下操作-生成对应于第一数据集内值的分布的第一直方图，-确定对应于第一数据集内特定数量不同值的多个调色板值，-确定对应于第一直方图的第一直方图矢量，-第一直方图矢量包括每个都对应于多个调色板值中调色板值的单元，-识别对应于多个调色板值的第二数据集内的值，-确定对应于第二数据集内值的第二直方图矢量，以及-比较第一直方图矢量和第二直方图矢量。
14.权利要求13的计算机程序，其中该计算机程序被进一步配置以通过实现以下操作、基于目标与多个数据集中每个的相似性而识别多个数据集的所选数据集，包括第二数据集-识别对应于多个调色板值的多个数据集内每个中的值，-确定多个直方图矢量，每个直方图矢量对应于多个数据集内每个中的值，-比较第一直方图矢量和每个直方图矢量以确定与每个直方图矢量关联的比较测量，以及-基于与每个直方图矢量关联的比较测量，识别所选数据库。
15.权利要求14的计算机程序，其中第一数据集(210)对应于目标图像的第一像素值，而多个数据集中的每个对应于每个数据集的像素值。
16.权利要求15的计算机程序，其中第一像素值和第二像素值对应于每个像素的色彩分量、饱和度分量和亮度分量的至少一个。
17.一种图像处理系统，包括处理器，其被配置以-生成对应于第一数据集内值的分布的第一直方图，-确定对应于第一数据集内特定数量不同值的多个调色板值，-确定对应于第一直方图的第一直方图矢量，-第一直方图矢量包括每个都对应于多个调色板值中调色板值的单元，-识别对应于多个调色板值的第二数据集内的值，-确定对应于第二数据集内值的第二直方图矢量，以及-比较第一直方图矢量和第二直方图矢量；和-存储器，被操作地耦合于处理器，其被配置以存储对应于多个调色板值的第二数据集内值的表示，从而便于确定第二直方图矢量。
18.权利要求17的图像处理系统，进一步包括特定用途的设备，其被配置以基于被存储于存储器中值的表示而确定第二直方图矢量。
全文摘要
提供了一种直方图比较过程，其比较第一数据集的直方图矢量与第二数据集的相应直方图矢量。第一和第二数据集的直方图矢量从所选几个直方图类的直方图值而被形成，所选几个类为包含最高频数的第一数据集的类。第二数据集的特征在于仅使用第一数据集的所选几个类；有属于其它类的值的数据项被忽略。调色板数据集对应于第二数据集而被生成，其中第三数据集内的数据项对应于第一数据集的所选类的索引，或者对于被忽略的数据项，为零索引。基于第三数据集，对应于重叠区域的直方图被递归地确定。若给出对应于第一区域的直方图，则仅通过增值位于第二区域但不位于第一区域内单元的索引的频数并减值位于第一区域但不位于第二区域内单元的索引的频数，第二、重叠区域的直方图被确定。
文档编号G06K9/32GK1462411SQ02801488
公开日2003年12月17日 申请日期2002年5月7日 优先权日2001年5月11日
发明者M·特拉科维克 申请人:皇家菲利浦电子有限公司