Image Retrieval

Quando si dispongono di grosse quantità di immagini e si desidera archiviarle il problema di fatto è quello di dover assegnare una classe e una descrizione a ciascuna di esse.La Computer Vision  permette di gestire le informazioni grafiche mediante sistemi di analisi che permettono di  recuperare tutte le immagini legate a un argomento mostrato graficamente.Le immagini vengono archiviate dentro a database oppure mediante speciali librerie dentro a database pubblici come FLICKER e successivamente possono essere ricercate mediante software gestiti su interfaccia WEB e quindi raggiungibile da qualsiasi posto dal quale è possibile accedere ad internet.

Il sistema di computer vision utilizza un sofisticato algoritmo di Feature Extraction (Estrazione dei particolari) collegato a un altro di Compare & Matching (Comparazione e identificazione).

Il sistema di gestione

L’interfaccia utente si mostra nel seguente modo.

La fase di inserimento delle immagini permette di attribuire in modo automatico dei descrittori che possono essere utilizzati per recuperare le immagini.

Il secondo metodo di recupero è quello di selezionare un immagine facendo si che l’algoritmo di Computer Vision vada a ricercare tutte le immagini simili o che contengono l’oggetto rappresentato dall’esempio.

I descrittori sono stati progettati con particolare attenzione alle loro dimensioni e requisiti di storage, mantenendoli i più piccoli possibile, senza compromettere la loro capacità discriminante. Questi descrittori permettono di incorporare informazioni di colore e texture in un istogramma, mantenendo le dimensioni tra i 23 ei 74 byte per immagine.

FCTH (Acronimo di "Color Fuzzy e texture Istogramma") è costituito da 8 regioni, in quanto questi sono determinati da un sistema  fuzzy di decisione per quanto riguarda la struttura delle immagini. Ogni regione è costituito da 24 singole regioni, in quanto queste permettono di ottenere un risultato fuzzy utilizzato successivamente dal sistema che prende decisioni per quanto riguarda il colore delle immagini. Nel complesso, i risultati degli istogrammi finali comprendono 8 X 24 = 192 contenitori. Ogni contenitore è quindi quantizzato in 3 Bits, per limitare la lunghezza della Descrittore a 72 Bytes.

CEDD (Acronimo di "Color Edge e Directivity Descriptor") costituito da 6 regioni, in quanto queste sono determinati da un unità di texture. Ogni regione è costituita da 24 singole regioni, in quanto tali da un risultato fuzzy che prende decisioni per quanto riguarda il colore delle immagini. Nel complesso, i risultati finali dell’ istogramma  comprende 6 X 24 = 144 contenitori. Ogni contenitore è quindi quantizzato in 3 Bits per limitare la lunghezza del Descrittore al 54 Bytes.

C. FCTH (Acronimo di "Compact Fuzzy color e texture dell’ Istogramma") costituito da 8 regioni, in quanto questi sono determinati da un sistema che riporti una decisione fuzzy  per quanto riguarda la struttura delle immagini. Ogni regione è costituito da 10 singole regioni, in quanto tali forniscono un  risultato fuzzy utilizzato dal sistema che prende decisioni per quanto riguarda il colore delle immagini. Nel complesso, i risultati finalidell’ istogramma che comprende 8 X 10 = 80 contenitori. Ogni contenitore è quindi quantizzato in 3 Bits per limitare la lunghezza del Descrittore al 30 Bytes.

C.CEDD (Acronimo di "Compact Color Edge e Directivity Descriptor") costituito da 6 regioni, in quanto questi sono determinati da una unità di texture. Ogni regione è costituito da 10 singole regioni, in quanto tali derivanti da un risultato fuzzy  che prende decisioni per quanto riguarda il colore delle immagini. Nel complesso, i risultati finali dell’ istogramma comprendono 6 X 10 = 60 contenitori. Ogni contenitore è quindi quantizzato in 3 Bits per limitare la lunghezza della Descrittore al 23 Byte

Nella  funzione definita con il termine di Auto Pertinence feedback (ARF) è introdotta la tecnica che si basa sulla proposta di descrittori. Questa tecnica modifica il recupero iniziale dei risultati sulla base delle preferenze dell’ utente indirizzato a migliorare il recupero del ‘significantly’. L’  obiettivo dell’ Automatic Pertinence feedback (ARF) è quello di riaggiustare i primi risultati in base al recupero delle preferenze utente. Durante questa procedura l'utente seleziona di recuperare una o più immagini come rilevanti per il suo recupero. Le informazioni provenienti da queste immagini selezionate viene utilizzata per modificare la query iniziale del Descrittore immagine.

In primo luogo, la prima immagine di query unidimensionale (Descrittore) è trasformata in una tridimensionale basata sul vettore W interno alle caratteristiche del Descrittore. Quando l'utente seleziona le immagini da una il recupero dei risultati, che ogni contenitore d’ immagine selezionata dal  Descrittore X aggiorna il corrispondente valore del vettore di W in un primo piano Kohonen Self Organizzato Mappa (KSOFM)  in modo che si avvicini al nuovo valore che emerge da X. Il  Descrittore finale permette di interrogare il database di immagini è formato da i valori di tre dimensione. La procedura è ripetuta ogni volta che l'utente seleziona un  immagine.