Thumbnail

Indexation multi-niveau pour la recherche globale et partielle d'images par le contenu

Oria, Vincent; Manouvrier, Maude; Jomier, Geneviève; Rukoz, Marta (2004), Indexation multi-niveau pour la recherche globale et partielle d'images par le contenu, in Le Maitre, Jacques, 20èmes Journées Bases de Données Avancées, BDA '04, Montpellier, 19 - 22 octobre 2004, Actes (Informal Proceedings), Université Evry : Evry, p. 177-196

View/Open
Type
Communication / Conférence
Date
2004
Conference country
FRANCE
Book title
20èmes Journées Bases de Données Avancées, BDA '04, Montpellier, 19 - 22 octobre 2004, Actes (Informal Proceedings)
Book author
Le Maitre, Jacques
Publisher
Université Evry
Published in
Evry
Pages
177-196
Metadata
Show full item record
Author(s)
Oria, Vincent
College of Computing Sciences New Jersey Institue of Technology [NJIT]
Manouvrier, Maude cc
Laboratoire d'analyse et modélisation de systèmes pour l'aide à la décision [LAMSADE]
Jomier, Geneviève
Laboratoire d'analyse et modélisation de systèmes pour l'aide à la décision [LAMSADE]
Rukoz, Marta
Laboratoire d'analyse et modélisation de systèmes pour l'aide à la décision [LAMSADE]
Abstract (FR)
Cet article présente une structure d’index pour la recherche d’images par le contenu,l’arbre QUIP (acronyme anglais pour Quadtree-based Index for Image Retrieval and ImagePattern search). Dans notre approche, chaque image de la base est représentée par un descrip-teur dit multi-niveau, qui stocke les descripteurs des quadrants de l’image, obtenus par unedécomposition de l’image en arbre quaternaire. L’arbre QUIP permet de regrouper les imagesen clusters, en fonction de la similarité de leurs quadrants. Cette structure d’index permet nonseulement des recherches globales d’images par le contenu, en appliquant un filtrage multi-niveau via l’arbre quaternaire, mais aussi des recherches d’images similaires par région.
Abstract (EN)
This article presents a quadtree-based data structure for effective indexing of images.An image is represented by a multi-level feature vector , computed by a recursive decompositionof the image into four quadrants and stored as a full fixed-depth balanced quadtree. A nodeof the quadtree stores a feature vector of the corresponding image quadrant. A more generalquadtree-based structure called QUIP-tree (QUadtree-based Index for image retrieval and Pat-tern search) is used to index the multi-level feature vectors of the images and their quadrants.A QUIP-tree node is an entry to a set of clusters that groups similar quadrants according tosome pre-defined distances. The QUIP-tree allows a multi-level filtering in content-based imageretrieval as well as partial queries on images.
Subjects / Keywords
cluster; filtrage; arbre quaternaire; similarity of image regions; Similarité d’images et de régions d’images; image cluster; filtering; Similarity search; quadtree