The Metric Histogram: A New and Efficient Approach for Content-Based Image Retrieval

Abstract

This paper presents the metric histogram, a new and efficient technique to capture the brightness feature of images, allowing faster retrieval of images based on their content. Histograms provide a fast way to chop down large subsets of images, but are difficult to be indexed in existing data access methods. The proposed metric histograms reduce the dimensionality of the feature vectors leading to faster and more flexible indexing and retrieval processes. A new metric distance function DM( ) to measure the dissimilarity between images through their metric histograms is also presented. This paper shows the improvements obtained using the metric histograms over the traditional ones, through experiments for answering similarity queries over two databases containing respectively 500 and 4,247 magnetic resonance medical images. The experiments performed showed that metric histograms are more than 10 times faster than the traditional approach of using histograms and keep the same recovering capacity.

Operações de consulta por similaridade em grandes bases de dados complexos

“…Além do histograma de cor existem outros descritores de cores como Color Coherence Vector [Pass & Zabith, 1996], Color Correlogram [Huang et al, 1997], Histograma Métrico [Traina et al, 2002a], Cell Histograms [Stehling et al, 2003] e outros. Uma visão geral sobre alguns desses descritores pode ser encontrada em [Long et al, 2002].…”

“…Exemplos de funções de distância para os domínios de objetos complexos em espacos não-vetoriais em que nãoé possível extrair a mesma quantidade de características para todos os objetos (i.e., domínios puramente métricos) incluem a função de distân-cia L EDIT [Levenshtein, 1966] e a função de distância M H () (Metric Histogram Distance) [Bueno, 2001, Traina et al, 2002a.…”

Formalização do domínio imagem para buscas por conteúdo em SGBDs relacionais

“…Outro exemplo desse tipo de estudo é apresentado em [Antani et ah, 2004a] [Distasi et al, 2003] que utiliza codificação fractal para isso. Já cm [Campo & Traina, 2003], é apresentada uma extensão ao histograma métrico [Traina et al, 2002a] Outras informações além das pictóricas podem ser necessárias, principalmente em contextos como os da área médica [Lehmann et al, 2000, Tang et al, 2003. Por exemplo, informações sobre o diagnóstico, anatomia, posição do paciente e modalidade auxiliam na classificação da imagem.…”

Ampliando o poder de recuperação de imagens por conteúdo utilizando histogramas adaptados: aplicações em imagens médicas

“…Nestas abor-dagens, as técnicas não se detiveram na redução do número de bins 3 de uma imagem sem perda significativa de informação. Em [Bueno, 2002] [Traina et al, 2002a] foram propostos os Histogramas Métricos (HM) que são invariantes às transformações geométricas (escala, rotação e translação) efetuadas nas imagens. Os HMs são definidos através de urna função de aproximação linear por partes sobre o histograma normalizado da imagem, sendo que tais funções podem ser ajustadas e comparadas.…”

“…Uma abordagem de extração de características baseada em intensidade de cor foi tratada em [Bueno, 2002] Uma nova função de distância, denominada Distância Métrica DM( ), foi desenvolvida para comparar Histogramas Métricos e se baseia no cálculo da diferença de áreas entre os dois histogramas [Traina et al, 2002a]. Os Histogramas Métricos e sua aplicabilidade em recuperação de imagens são apresentados em detalhes em [Bueno, 2002] …”