专利名称：物件模式的影像检索系统及方法
技术领域：
本发明是有关一种图像检索，特别是指一种基于物件模式(object-based)的图像检索。
背景技术：
由于计算机科技的突飞猛进，数字内容特别是数字图像数据的储存也大大的增加。在大量的图像数据中，要找到想要的图像便成为一个相当重要的课题。
现有的搜寻方法中，有利用文字描述来检索想要的图像，但是要在大量图像数据中加注文字便需很大的人力，而且人工注释常因认知不同而有不同的注释，导致影响检索的结果。
因此在美国专利中专利号6859802B1揭示一种利用「使用者相关回馈」来检索出使用者想要的图像。但是，这种方法的缺点在于使用者的回馈常常不能真的将使用者心目中想要的目标表示出来。例如，当使用者想要检索含有海滩的图像时，因而就回馈选了几张与海滩相关的图片给检索系统，系统依据所述图片进行图像成分特征分析，如色彩(color)、纹理(texture)与边界(edge)等，系统将辨识出所述图片均具有海滩特征，因此便用这共同的特征作为检索的关键特征，在图库中找出具有海滩特征的图片来。但是，具有海滩特征的图片往往伴随着有「海」一起出现，因此检索系统便有可能将「海」作为相关的共同特征，而检索出具有「海」但是没有「海滩」的错误图像。为了要克服这样的困扰，使用者在回馈范例时便要选有共同的「海滩」，但不得有共同的「海」出现的范例，但这是相当不便而且困难的工作。鉴此，具有相当复杂度的算法被提了出来以改进上述的缺点，但仍然无法将使用者心目中想要的标的对象直接、正确且快速的表示出来(请参考Xiang Sean Zhou，T.S.Huang，“Relevance feedback for image retrievala comprehensivereview，”ACM Multimedia Systems，8(6)536-544，2003)。
因此，近年来有研究者提出「对象模式」(object-based)询问的图像检索(请参考M.S.Drew，Z.N.Li，and Z.Tauber，Illumination Color CovariantLocale-Based Visual Object Retrieval.Pattern Recognition，35(8)1687-1704，2002)，是让使用者在范例图像中标示出心目中的关键对象，给检索系统作为搜寻的标的。这样的方式因为让使用者直接将心目中的「标的对象」直接标示出来，因此检索的效果较其它方法要好的多。然而，要在范例中将标的对象标示出来，常常需要像「魔杖」(magic wand)、「蛇」(snake)等图像切割软件工具(请参考Ze-Nian Li，Mark S.Drew，“Fundamentals ofmultimedia-18章”，Upper Saddle River，NJPearson Prentice Hall PTR，2004)。因此，使用者就需要安装并学习这些工具，对很多只想检索喜爱图像但不想学习这些切割软件工具的人来说这就很不方便。而这种方法的最大缺点就是这些图像对象切割工具并不能将图像对象精确的分割标示出来，但是这是图像切割技术多年来一直无法解决的难题。在利用不精确的方法或技术所分割标示出的图像对象中抽出特征，其误差值具有相当程度的误差，而再用抽取出来的特征作为比对数据时，自然无法检索出正确或令人满意的结果。
发明内容
本发明的主要目的是提供一种对象模式的影像检索系统及方法，让使用者可以直接在图像检索接口上选择感兴趣的目标特征点来进行搜寻，大幅度增进图像搜寻的人性化。
本发明的另一目的是提供一种使用者无需使用像魔杖、蛇等图像切割软件工具将图像进行切割的对象模式的影像检索系统及方法，不但增进使用者在使用上的便利，还避免因图像切割软件所造成的误差。
本发明的再一目的是提供一种对象模式的影像检索系统及方法，为使用者提供可自主性的选择感兴趣与不感兴趣的目标特征点来进行逻辑运算图像检索，让图像检索结果呈现时能提早删除不需要的图像，避免呈现使用者不感兴趣的图像，从而增进使用者使用所述系统及方法的意愿。
本发明的又一目的是提供一种对象模式的影像检索系统及方法，除了使用色彩参数值、纹理参数值、形状参数值作为对象比对时特征参数值外，更利用使用者所选择的目标特征点经计算机计算后的对象区域间相对位置关系来作为相关影像检索的重要依据。
为达上述的目的，本发明提供一种图像检索方法，是透过计算机计算方式由多个候选图像中寻找出至少一相关图像，其中，每一候选图像是具有至少一候选对象，而每一候选对象具有数个候选对象特征参数值，图像检索方法包括有首先提供一可显示p个范例图像的图像检索接口，使用者在p个范例图像上选择q个目标特征点，其中，p≥1且q≥1；然后，依据q个目标特征点找出对应的q个目标对象，其中，每一q个目标对象包括有多个目标对象特征参数值；再以q个目标对象的目标对象特征参数值与候选对象特征参数值进行相似度计算，以选出与q个目标对象相关的相关图像；以及依照相似度排序送出候选图像。
本发明还提供一种透过计算机计算方式由多个候选图像中寻找出至少一相关图像的图像检索系统，其中包括有一处理器、一储存有图像检索引擎的内存、一储存有图库的储存装置，图库包括多个候选图像，通过由处理器执行内存内的图像检索引擎以达成下列机制机制A提供一可显示p个范例图像的图像检索接口，并使一使用者可在p个范例图像中选择q个目标特征点，其中，p≥1且q≥1；机制B依据q个目标特征点在于p个范例图像中选出对应的q个目标对象，其中，q个目标对象包括有数个目标对象特征参数值；机制C依据q个目标对象与多个候选图像进行相似度计算，以选出与q个目标对象相关的图像，其中，候选图像包括有多个候选对象，而候选对象包括有数个候选特征参数值，以供与q个目标对象的特征参数值进行相似度计算；以及机制D依照相似度排序送出候选图像。
与现有技术相比，本发明具有以下优点本发明是一种使用者无须先使用图像切割软件工具将图像切割才能进行图像搜寻的对象模式的影像检索系统及方法，是利用对象处理程序将图像处理为数个对象，并让使用者在图像检索接口的范例图像上直接点选目标特征点并决定目标特征点间的逻辑关系，再透过特征点检定程序将目标特征点对应至目标对象，随后利用特征值相似度计算程序由特征值数据库中内图像特征值找出与目标对象相关的图像，并将相关图像排序处理，以呈现出最符合使用者需求的图像。
图1是为客户端透过网络连结至本发明的图像检索系统来进行图像搜寻的示意图；图2是本发明的图像检索引擎的架构图；图3是本发明将图像处理为数个对象的示意图；图4是本发明的特征值数据库的实施例；图5是本发明的图像检索引擎寻找相关图像的流程图；图6是本发明的图像检索接口的实施例示意图；图7是本发明关于图像检索接口的实施例，使用者点选目标特征点的示意图；图8是本发明的图像检索接口呈现出相关图像的示意图；图9是本发明的图像检索接口在数个范例图像中寻找目标特征点的示意图；图10是目标对象E1～E4的位置关系实施例；图11是图10的目标对象的相对位置矩阵；图12是图10的目标对象经简化后的相对位置矩阵；图13是候选对象F1～F4的位置关系实施例；图14是图13的目标对象经简化后的相对位置矩阵；图15是候选对象G1～G4的位置关系实施例；图16是图15的目标对象经简化后的相对位置矩阵；图号说明10图像检索系统12处理器14内存16储存装置18网络接口
20图像检索引擎22图库24特征值数据库241 图档编号242 关键词243 色彩参数值244 纹理参数值245 形状参数值246 位置参数值26特征点检定程序28特征值相似度计算程序30排序处理程序32对象处理程序34图形检索接口36汉堡图像50物件60范例图像62按钮64目标特征点68按钮具体实施方式
以下通过由具体实施例详加说明，应当容易了解本发明的目的、技术内容、特点及其所达成的功效。
以一般最为常见在网络上进行图像搜寻为具体实施例来说明本发明。
首先，参考图1，是客户端透过网络连接至本发明的图像检索系统来进行图像搜寻的示意图。客户端透过使用各自的计算机联机上因特网并联机至图像检索系统。
如图1所示，图像检索系统10的硬件架构与一般服务器相同，包括有处理器12、内存14、储存装置16以及网络接口18等，内存14包括有图像检索引擎20，而储存装置16包括有图库22及特征值数据库24。
需注意的是图像检索系统10可能是由数台计算机或服务器所构成，举例来说一台服务器负责图像检索引擎，而另一台服务器负责存放图库及特征值数据库，而这些服务器或者计算机间是透过内部网络或者外部网络(如因特网)连接。
图像检索引擎20主要包括有特征点检定程序26、特征值相似度计算程序28、排序处理程序30、对象处理程序32以及图像检索接口34，如图2所示。
在图库22的部分，图库22内包括有多个图像(如照片、画、利用计算机所绘出的图等等)，而每一图像经过对象处理程序32处理为多个对象，且每一个对象是以多个的目标特征参数值来描述或定义。
参考图3，是本发明将一汉堡图像36经过对象处理程序32处理为mi个对象50的实施例，图中每一个对象以一个椭圆形代表，而每一个对象的认定是将图像中的各个图像点两两计算其色差值，然后将相邻且色差值小于预定值Гc的图像点形成一色彩相似区域。色差值计算方法很多，习知常用的方法是将两点色彩距离值ΔC＝((h1-h2)2+(s1-s2)2+(v1-v2)2〕1/2≤Гc，其中，hi，si及vi是HSV(hue，saturation，value)色彩空间的三成份元素，而Гc则为默认值，默认值Гc可以设定多个不同值，以供不同对象查询所需，当Гc的数值的数值越小时，对象数目就越多。
需注意的是，以色彩相似区域(譬如ΔC≤Гc的区域)做为对象的建立方式有许不同的方法，在本发明实施例中是以椭圆形为代表，但基本上对象的建立可以是各种几何图像，如方块、圆等，而每一区域也可由多个对象所组成，譬如色彩区域先放入一个可能的大椭圆，再以较小椭圆填补图像区域内但在最大椭圆外的区域，譬如再多填入四个小椭圆。关于以色彩相似区域做为对象建立的详细技术可参考Chad Carson.Serge Belongie，HayitGreenspan and Jitendra Malik，”BlobworldImage Segmentation UsingExpectation-Maximization and Its Application to Image Querying，”IEEE Trans.On Pattern Analysis and Machine Intelligence，24(8)，1026-1038，Augist2002。
参考图4，为一特征值数据库的实施例示意图，其包括有图文件编号241、关键词242、色彩参数值243、纹理参数值244、形状参数值245与位置参数值246等分类字段，其中，图档编号241字段是记载各图像的索引，可以如流水号记载；而在关键词242字段是记录形容各图像的关键词，以供作为以文字寻找图像；色彩参数值243字段是记录各图像对应多个对象的色彩参数值；纹理参数值244字段是记录各图像对应多个对象的纹理参数值；而形状参数值245字段是记录各图像对应多个对象的形状参数值；位置参数值246字段记录的是各图像对应多个对象的位置参数值。
以图3的汉堡图像36为范例，假如所述汉堡图像36代表的是图库22内标号第i个图像，其在特征值数据库24中的图文件编号241为”i”，所述图像36的关键词为keyi，1为『汉堡』，而keyi，2为『食物』，且因为具有mi个对象50，因此共有mi套色彩参数值，譬如汉堡图像36的第二个对象的色彩参数值243为(hi.2，si.2，vi.2)，而(hi.2，si.2，vi.2)通常是代表第二个对象这个区域色彩的平均值。
而各对象的纹理参数值244是可采用小波抽取的技术来获得，举例来说用10个频带的小波滤波器，将图像中的纹理各频带取出10个标准值来代表此(对象)区域的纹理参数值，譬如汉堡图像36的第二个对象的纹理参数值为(ti.2.1)，(ti.2.2)，...(ti.2.10)，关于纹理的详细数据可以参考Livens，P.Scheunders，G. Van de Wouder，and D.Van Dyck.Wavelets for texture analysis，andoverview.In Proc IPA，IEE Pub.No.443，Volume 1，pages 581～585，1997。
针对形状参数值245，以本实施例而言，参考图3所示每一对象50以一椭圆为代表，所以椭圆的形状即由椭圆的长轴与短轴(Ll，Ls)的比例所决定，因此形状参数值可设为Tan-1(Ls/Ll)＝Θ，譬如汉堡图像36的第二个对象的形状参数值为(Θi.2)。形状参数值245会依据代表对象50的几何图像的不同而不同，若对象由多个对象所组成，则形状参数值的数目基本上会增加且计算方式不同。关于形状参数值的技术可参考P.L.Rosin，”Measuring ShapeEllipticity，Rectangularity，and Triangularity”，15th Int.Conf.Pattern Recognition，vol.1，pp.952～955，2000.。
针对位置参数值246，以本实施例而言，每一对象50以一椭圆为代表，所以位置参数值可为椭圆中心的坐标，例如汉堡图像36的第二个对象的位置坐标(xi.2，xi.22)，若对象由多个对象所组成，则位置参数值可以为多个对象的几何中心坐标。
图5是利用本发明的图像检索引擎搜寻相关图像的流程图。
首先，如步骤S501所述，使用者在如图6所示的图像检索系统所提供的图像检索接口34输入检索条件，进行搜寻后，如步骤S502所述，图像检索接口34将如图7所示显示出多个图像作为范例图像60，举例来说使用者在关键词搜寻输入汉堡时，将会出现由图库22中选出数个已经具有色彩参数值、纹理参数值、形状参数值等多个特征参数值的汉堡图像作为范例图像60，因此是以仅一个汉堡范例图像来进行说明。
当然，这个范例图像也可以是使用者自行上传图像来作为范例图像，但需注意的是在这种情况下，自行上传的图像需要经过对象处理程序进行处理，以得到多个对象以及各对象对应的多个特征参数值，以便进行检索。
然后，如步骤S503所述，使用者在范例图像中选择有兴趣的部分进行目标特征点选取，举例来说如仅对汉堡图像有兴趣的使用者在图7上利用鼠标点选区域汉堡图像上的适当区域来作为目标特征点64a，64b，64c。其中，所述目标特征点64的数目需至少一个，如果以数学式表示则是使用者选取q个目标特征点，而q≥1。
使用者完成特征点选后，可点选『特征点完成选择』的按钮62。
针对步骤S504所述，图像检索系统根据目标特征点寻找相对应的目标对象。举例来说，如图3中的范例图像60是图库中的汉堡图像36，特征点检定程序根据目标特征点64a、64b、64c的坐标，可找到这些目标特征点64a、64b、64c是落入汉堡图像36所对应的何对象，亦即在汉堡图像36所对应的mi个对象50中找出三个对应的目标对象50a、50b、50c。
如步骤S505所述，显示出特征点相对应的目标对象。此步骤是让使用者知道所选取的特征点是对应到哪一目标对象。
针对步骤S506所述由使用者对显示的目标对象进行判断是否是欲搜寻的目标对象，如果不是，可回到步骤S503重新进行目标特征点选取，直到满意为止。
针对步骤S507所述，使用者确定特征点选完后，则点选『进行检索按钮』68，送出检索要求。
针对步骤S508所述，特征值相似度计算程序28将以使用者所选取的目标对象与图库22中其它图像(以下称为候选图像)进行相似度计算。也就是在这个步骤是透过特征参数值(如色彩参数值、纹理参数值及形状参数值)来计算各目标对象与候选图像内的对象的相似度。
以下，是举两对象相似度的计算方式实施例两个候选图像对象的距离(ΔD，距离越大代表越不相似)可由色彩参数值、纹理参数值及形状参数值三距离的加权总和来计算ΔD＝Wc.ΔDc+Wt.ΔDt+Ws.ΔDs，其中，ΔDc、ΔDt及ΔDs分别代表两对象在色彩、纹理及形状的距离，而Wc、Wt及Ws分别是色彩、纹理及形状三距离的权重值，譬如Wc∶Wt∶Ws＝0.5∶0.3∶0.2。
更具体来说，假设范例图像60为汉堡图像36，而与图库中的第j个候选图像进行相似度计算，以下以汉堡图像36的第1对象与图库中的第j个候选图像的第1个对象的距离为例ΔDc＝{(hi.1-hj.1)2+(si.1-sj.1)2+(vi.1-vj.1)2}1/2ΔDt＝{(ti.1.1-tj.1.1)2+(ti.1.2-tj.1.2)2+...+(ti.1.10-tj.1.10)2}1/2ΔDs＝|Θi.1-Θj.1|在计算加权总和值ΔD前，应将三项距离值(ΔDc、ΔDt、ΔDs)分别正规化处理，使其值介于0与1之间。有关数值正规化处理的详细技术可参考Ruby L.Kennedy，Yuchun Lee，Benjamin Van Roy，Chrostopher D.Reed.andRichard P.Lippmann，“Solving Data Mining Problems Through PatternRecognition”Prentice Hall，NJ，1998.一书的第9.5节Normalizing data。
由于范例图像60的三个目标特征点(64a、64b、64c)对应到三个目标对象(50a、50b、50c)，因此三个目标对象(50a、50b、50c)分别要与第j个候选图像一共mj个对象进行比对。
以下是各目标对象(50a、50b、50c)与第j个候选图像的距离ΔD50a，j＝Min(ΔD50a.1，ΔD50a.2，......ΔD50a.mj)当目标对象50a与第j个候选图像的距离等于第j个候选图像所有对象中最接近目标对象的距离，譬如ΔD50a.2最小，则第j个候选图像的第2对象即为目标对象相对应的候选对象。
同理ΔD50b.j＝Min(ΔD50b.1，ΔD50b.2，......ΔD50b.mj)ΔD50c.j＝Min(ΔD50c.1，ΔD50c.2，......ΔD50c.mj)本实施例中，在对比q个目标对象与每一候选图像的数个候选图像对象的相似度时，是比对各q个目标对象与对应的各q个候选图像对象，而各q个候选图像对象是指最相似于各q个目标对象，在此例子中q＝3。
所以最后目标对象与第j个候选图像的距离为ΔD50abc.j＝ΔD50a.j+ΔD50b.j+ΔD50c.j。
因此，在步骤中会计算目标对象与其它候选图像(当然第i图像不需要计算，因为此实施例范例图像60为第i图像30)的距离，假设候选图像总共有1000个，则步骤S506中会得到ΔD50abc.1，ΔD50abc.2，......，ΔD50abc.999，ΔD50abc.1000需注意的是，当图库的各图像有记录关键词时，也可先对比关键词，譬如汉堡图像36包括『汉堡』与『食物』两个关键词，而图库中有『汉堡』或『食物』的关键词的候选图像共有50个，因此可针对这50个候选图像进行相似计算，不一定是对比图库内所有图像。
再如步骤S509所述，由排序处理程序30进行排序处理，并依照相似度送出与显示候选图像，如图8所示。
以上述的例子而言，ΔD50abc.1，ΔD50abc.2，......，ΔD50abc.999，ΔD50abc.1000中的值越小的则排在前面。
而在依照相似度送出候选图像时，可预先设定送出适当数量的候选图像，例如送出前五名最接近的候选图像，或是ΔD小于某一个值的所有候选图像。
再者，如果使用者以搜寻网页(如微软的internet explorer)作为接口型态而言，可以先送出前十名相似的图像，若使用者想看下一批相似的图像，使用者点选下一页后，图像检索系统再送出下一批十名相似的图像。
本发明也可在多个范例图像60中进行搜寻，如图9所示，图像检索接口同时显示范例图像60a及60b时，使用者可在范例图像60a点选3个目标特征点后，并在范例图像60b上也进行目标特征点选取，如选择3个目标特征点。此时，使用者可进行『AND』、『NOT』、『OR』、『XOR』等运算，举例来说当使用者选择进行『AND』运算时，步骤S504会找出特征点寻找相对应的6个目标对象，利用6个目标物对应的特征参数值来找出同时具有此6个目标物相近的图像。
以数学式来表示范例图像与目标特征的个数时，则可如下表述图像检索接口34可显示p个范例图像，使用者可在至少p个范例图像中选择q个目标特征点，其中，p≥1且q≥1，而上述的实施例中p＝2、q＝6。更精确的说，q个目标特征点可分为属于范例图像60a的q1个目标特征点，以及属于范例图像60b的q2个目标特征点，其中，q＝q1+q2(如6＝3+3)，进而找出同时具有q1个目标对象且含有q2个目标对象的相关图像。
综上所述，当使用者是选择进行『NOT』运算时，即找出同时具有q1个目标对象但不含有q2个目标对象的所述相关图像，而这NOT逻辑运算只需将原q2个目标对象的相似度值ΔDq2改为(1-ΔDq2)即可达成(注使用1-ΔDq2的算式是ΔDq2已经正规化处理的状况)。
上述实施例中q1个目标对象与q2个目标对象虽然各属于不同的图像，但其实亦可在同一图像中所选的q个目标对象中区分为q1个目标对象与q2个目标对象进行『AND』或『OR』的计算。
所以当本发明技术的目标对象是多个时，可以针对个目标对象进行如『AND』、『OR』、『NOT 』以及『XOR』等逻辑运算来合并进行图像检索。
另外，在步骤S504也可利用位置参数值246来考虑目标对象50a、50b、50c的位置关系。譬如候选对象找出来的三个对象的位置关系若不同于50a、50b、50c，则被判定为不相似或是降低相似度值，关于多个对象的位置关系的判断可参考S.Y.Lee，M.C.Yang，and J.W.Chen，“2D B-stringa spatialknowledge representation for image database systems，”in Proc.ICSC’92 Second Int.Computer Sci.Conf.，1992，pp.609-915；Li，X.and Qu，X.”，”Matching Spatial Relations Using db-Tree For Image Retrieval，”in Proce.ICPR’98，1998，pp.1230-1234，以下是与一简单的实施例来进行说明比对数个对象位置相互关系的方法是先将查询对象的相互关系建立一个对象相对位置矩阵。假定欲比对的目标对象为E1、E2、E3及E4等四物件，如第10图所示，两对象相对位置关系大略可量化为右(R)、上(U)、左(L)、下(D)、及右上(RU)、左上(UL)、左下(LD)、右下(DR)等8种。因此，前述的四个对象间相对位置关系可以第11图的矩阵来记录。由于两对象相对关系互为对称，譬如若记录了对象E1相对于对象E2的相对位置，则不需要记录对象E2相对于E1对象的相对位置，因此第10图可以简化为如第12图所示，仅需要记录左(L)、下(D)、左下(LD)及右下(DR)等四种对象相互关系。
譬如候选对象F1、F2、F3、F4等四个物件，如所示图13所示，而此四个对象是以图14的矩阵来记录。另外譬如候选对象G1、G2、G3及G4等四个物件，如图15所示，而此四个对象是以图16的矩阵来记录。
如将图14的矩阵与图11的矩阵相互比较，可看出两矩阵是完全相同的，因此候选对象F1、F2、F3与F4的位置相互关系与目标对象E1、E2、E3与E4是相同的。
而如果将图16的矩阵与图11的矩阵相互比较，可看出两矩阵是不完全相同的，因此候选对象G1、G2、G3及G4的位置相互关系与目标对象E1、E2、E3及E4是有些不同的。
综上所述，本发明是关于一种利用特征点检定程序、特征值相似度计算程序、对象处理程序、排序处理程序、图像检索接口所架构成的基于对象模式的图像检索系统及方法，其让使用者可直接在图像检索接口的范例图像上进行目标特征点选取，并且使用者可利用所述目标特征点进行适当『AND』、『OR』、『NOT』以及『XOR』等逻辑运算后，以作为计算机系统进行候选图像相似度分析时的对象比对条件，并在显示相关图片时依据相似度排序图像，以符合使用者的需求。在本发明这种人性化的操作接口下，不仅可以让使用者直接选取心目中关切的对象，再者并不需外额外的图像切割软件工具，如此将不会造成使用者需学习新软件的困扰，也不会产生因切割软件误差累积而造成图像搜寻错误。
以上所述者，仅为本发明的较佳实施例而已，并非用来限定本发明实施的范围。所以依据本发明申请范围所述的特征及精神所为之均等变化或修饰，均应包括在本发明的申请专利范围内。
权利要求
1.一种图像检索方法，是通过计算机计算方式从多个候选图像中寻找出至少一相关图像，其特征在于，每一所述候选图像具有至少一候选对象，而每一所述候选对象具有多个候选对象特征参数值，所述图像检索方法包括有下列步骤a.提供一图像检索接口，所述图像检索接口显示p个范例图像，并使一使用者在所述p个范例图像上选择q个目标特征点，其中p≥1且q≥1；b.根据所述q个目标特征点，对所述p个范例图像中找出对应的q个目标对象，其中每一所述q个目标对象包括有多个目标对象特征参数值；c.根据所述q个目标对象与所述多个候选图像进行相似度计算，以选出与所述q个目标对象相关的相关图像，其中每一候选图像包括有至少一个候选对象，而所述候选对象包括有多个候选特征参数值，以便与所述q个目标对象的特征参数值进行相似度计算；以及d.依照相似度值将候选图像排序送出。
2.如权利要求1所述图像检索方法，其特征在于，p≥2。
3.如权利要求1所述图像检索方法，其特征在于，所述目标对象特征参数值包括有至少一目标对象色彩参数值、至少一目标对象纹理参数值、至少一目标对象形状参数值，而所述候选对象特征参数值应包括有至少一候选对象色彩参数值、至少一候选对象纹理参数值、至少一候选对象形状参数值。
4.如权利要求3所述图像检索方法，其特征在于，所述目标对象特征参数值应包括有至少一目标位置参数值，而所述候选图像的对象特征参数值还包括有至少一候选对象位置参数值。
5.如权利要求4所述图像检索方法，其特征在于，在进行比对所述q个目标对象与每一候选图像的多个所述候选对象的相似度时，应包括q个目标对象的目标位置参数值与多个候选对象的目标位置参数值的相似度计算。
6.如权利要求1所述图像检索方法，其特征在于，所述范例图像是由使用者所上传或计算机图库中已经由程序处理过的对象图像。
7.如权利要求1所述图像检索方法，其特征在于，所述范例图像中的多个目标对象间是经过由逻辑运算来组合出的检索需求。
8.如权利要求7所述图像检索方法，其特征在于，包括经过逻辑运算组合的多个目标对象与多个候选图像的各对象间的相似度计算。
9.如权利要求3或4所述图像检索方法，其特征在于，所述目标对象特征参数值应包括有至少一目标对象关键词，而所述候选对象特征参数值应包括有至少一候选对象关键词。
10.如权利要求9所述图像检索方法，其特征在于，进行所述色彩参数值、纹理参数值、形状参数值相似度计算前，先进行所述关键词对比。
11.一种图像检索系统，其特征在于，透过计算机计算方式由多个候选图像中寻找出至少一相关图像，所述图像检索系统包括有一处理器、一内存、一储存装置，其中，所述内存储存有一图像检索引擎，所述储存装置储存有一图库，所述图库包括有多个候选图像，通过由所述处理器执行所述内存内的图像检索引擎以达成下列机制机制A提供一图像检索接口，所述图像检索接口显示p个范例图像，并使一使用者在所述p个范例图像中选择q个目标特征点，其中p≥1且q≥1；机制B根据所述q个目标特征点在所述p个范例图像中选出对应的q个目标对象，其中所述q个目标对象包括有多个目标对象特征参数值；机制C根据所述q个目标对象与所述多个候选图像进行相似度计算，选出与所述q个目标对象相关的相关图像，其中每一个候选图像包括有至少一个候选对象，而所述候选对象包括有多个候选特征参数值，以便与所述q个目标对象的特征参数值进行相似度计算；以及机制D依照相似度值将候选图像排序送出。
12.如权利要求11所述图像检索系统，其特征在于，p≥2。
13.如权利要求11所述图像检索系统，其特征在于，所述目标对象特征参数值包括有至少一目标对象色彩参数值、至少一目标对象纹理参数值、至少一目标对象形状参数值，而所述候选对象特征参数值应包括有至少一候选对象色彩参数值、至少一候选对象纹理参数值、至少一候选对象形状参数值。
14.如权利要求13所述图像检索系统，其特征在于，所述目标对象特征参数值应包括有至少一目标位置参数值，而所述候选图像的对象特征参数值应包括有至少一候选对象位置参数值。
15.如权利要求14所述图像检索系统，其特征在于，在进行对比所述q个目标对象与每一候选图像的多个候选对象的相似度时，应包括所述q个目标对象的目标位置参数值与多个候选对象的目标位置参数值的相似度计算。
16.如权利要求11所述图像检索系统，其特征在于，所述范例图像是由使用者所上传或计算机图库中已经由程序处理过的对象图像。
17.如权利要求11所述图像检索系统，其特征在于，所述范例图像中的多个目标对象间是由逻辑运算来组合出的检索需求。
18.如权利要求17所述图像检索系统，其特征在于，包括逻辑运算组合的多个目标对象与所述候选图像的各对象间的相似度计算。
19.如权利要求13或14所述图像检索系统，其特征在于，所述目标对象特征参数值应包括有至少一目标对象关键词，而候选对象特征参数值应包括有至少一候选对象关键词。
20.如权利要求19所述图像检索系统，其特征在于，进行所述色彩参数值、纹理参数值、形状参数值相似度计算前，先进行关键词比对。
全文摘要
本发明是一种使用者无须先使用图像切割软件工具将图像切割才能进行图像搜寻的对象模式的影像检索系统及方法，是利用对象处理程序将图像处理为数个对象，并让使用者在图像检索接口的范例图像上直接点选目标特征点并决定目标特征点间的逻辑关系，再透过特征点检定程序将目标特征点对应至目标对象，随后利用特征值相似度计算程序由特征值数据库中内图像特征值找出与目标对象相关的图像，并将相关图像排序处理，以呈现出最符合使用者需求的图像。
文档编号G06F17/30GK101034415SQ20071009054
公开日2007年9月12日 申请日期2007年4月11日 优先权日2007年4月11日
发明者徐永煜, 傅心家 申请人:财团法人交大思源基金会