Por favor, use este identificador para citar o enlazar este ítem:
http://inaoe.repositorioinstitucional.mx/jspui/handle/1009/513| Modelado de relaciones espaciales para la recuperación de imágenes por contenido | |
| CARLOS ARTURO HERNANDEZ GRACIDAS | |
| LUIS ENRIQUE SUCAR SUCCAR | |
| Acceso Abierto | |
| Atribución-NoComercial-SinDerivadas | |
| Spatial reasoning Content - based retrieval Image modeling | |
| Image retrieval consists of searching an image database in order to find those images that satisfy
the needs of a user. This is a complex problem not yet completely solved, given the difficulty in
mapping a query, which may be expressed in terms of keywords or samples, to the visual features
of an image.
In this thesis we suggest the use of spatial relations as a way of improving image retrieval, as
well as annotation. We perform a study of the different types of relations and select those more
adequate for their application to annotation and image retrieval.
We suggest an annotation improvement scheme using probabilistic models in combination with
spatial relations; and an image comparison and retrieval method based on conceptual graphs and
spatial relations. High-level information is included in both processes in the form of the spatial
relations among the objects detected in the image. These relations help to have a better image
representation by including high-level information.
Our annotation improving method is one of our main contributions, where we analyze the relevance
of the different groups of spatial relations in annotation improving. This improving method
shows promising, depending to a large extent on the initial annotation quality and the database used.
Another contribution in this sense is the use of the information provided by an “expert” for data
smoothing and to diminish the impact of having a reduced amount of sample images for creating
the model.
Our image retrieval method is an important contribution of this thesis, as well. We evaluate the
relevance of spatial relations with respect to labels for retrieval. We perform improvements in label
weighting by using their frequency in the database and the images individually, as well as information
redundancy among sample images and textual description of the retrieval topic. Besides, we
prove that the availability of several sample images for a topic helps to improve retrieval.
We evaluate our image annotation improving method on 3 image databases, comparing it to the
baseline method and other state of the art methods. For evaluating the use of spatial relations in
retrieval, we use the topics from the ImageCLEF competition, on a 20,000 image database. Results
obtained prove the usefulness of spatial relations for both tasks, showing significant improvements
in both, image annotation and content-based image retrieval. La recuperación de imágenes consiste en buscar en una base de imágenes aquellas que satisfacen las necesidades de un usuario. Este es un problema complejo que aún no ha sido resuelto satisfactoriamente, ya que es muy difícil mapear una consulta, que puede ser basada en términos o ejemplos, a los atributos visuales de una imagen. En este tesis planteamos el uso de relaciones espaciales como una forma de mejorar la recuperación de imágenes, así como el etiquetado. Realizamos un estudio de los diferentes tipos de relaciones y seleccionamos aquellas más adecuadas para su aplicación al etiquetado y recuperación de imágenes. Proponemos un esquema de mejora del etiquetado usando modelos probabilistas en combinación con relaciones espaciales; y un método de comparación y recuperación de imágenes basado en grafos conceptuales y relaciones espaciales. En ambos procesos se incluye información de alto nivel en forma de las relaciones espaciales entre los objetos detectados en la imagen. Estas relaciones ayudan a tener una representación más completa de la imagen, al incluir información de alto nivel. Nuestro método de mejora del etiquetado es una de nuestras principales aportaciones, donde analizamos la relevancia de los distintos grupos de relaciones espaciales en la mejora del etiquetado. El método de mejora se muestra prometedor, dependiendo en gran medida de la calidad del etiquetado inicial y la base de datos utilizada. Otra aportación en este sentido es el uso de la información provista por un “experto” para suavizar los datos y disminuir el impacto de contar con un número reducido de muestras para la creación del modelo. Nuestro método para la recuperación de imágenes es también una aportación importante de esta tesis. Evaluamos con él la importancia de las relaciones espaciales con respecto a las etiquetas, para la recuperación. Realizamos mejoras en el pesado de las etiquetas utilizando tanto la frecuencia de las mismas en la base de datos y las imágenes individuales, como la redundancia de información entre las imágenes de ejemplo y la descripción textual del tópico de recuperación. Además, comprobamos que la disponibilidad de varias imágenes de ejemplo para un tópico contribuye a la mejora de la recuperación. Evaluamos nuestro método para mejora del etiquetado en 3 bases de imágenes, comparándolo con el método base y varios métodos del estado del arte. | |
| Instituto Nacional de Astrofísica, Óptica y Electrónica | |
| 2010-09 | |
| Tesis de doctorado | |
| Español | |
| Estudiantes Investigadores Público en general | |
| Hernandez-Gracidas C.A. | |
| CIENCIA DE LOS ORDENADORES | |
| Versión aceptada | |
| acceptedVersion - Versión aceptada | |
| Aparece en las colecciones: | Doctorado en Ciencias Computacionales |
Cargar archivos:
| Fichero | Tamaño | Formato | |
|---|---|---|---|
| HernandezGrCA.pdf | 33.13 MB | Adobe PDF | Visualizar/Abrir |