Efficiently adaptable and efficiently indexable visual bundle features for image region search and mining in image databases

• Applicant: Professor Dr. Rainer Lienhart
• Subject Area: Image and Language Processing, Computer Graphics and Visualisation, Human Computer Interaction, Ubiquitous and Wearable Computing ; Theoretical Computer Science
• Term: from 2012 to 2015
• Project identifier: Deutsche Forschungsgemeinschaft (DFG) - Project number 218154315

Vergangene und aktuelle inhaltsbasierte Bildsuchsysteme nutzen meist fest voreingestellte Merkmale, Parameter und Distanzmaße. Sie legen damit ein starres Kriterium für die Ähnlichkeit fest. Die Erfahrung zeigt jedoch, dass die erwartete Ähnlichkeit eines normalen, durchschnittlichen Nutzers bei einer Suche mittels Beispielbild oder Beispielbildregion vom Bildinhalt der Anfrage selbst abhängt. Es ist daher wichtig, die Suche an den allgemeinen Kontext der Anfrage (Suche nach „Szenen“, „Wahrzeichen“, „Menschen“, „starre Objekte", etc.) anzupassen, ohne gleichzeitig eine Vielzahl unterschiedlicher Merkmale in zahlreichen separaten Indizes zu benötigen. Dieses Projekt entwickelt eine neue Art von Regionenmerkmalen für die inhaltsbasierte Bildsuche. Dabei werden mehrere lokale Merkmale in einer Regionenrepräsentation gebündelt. Im Gegensatz zu existierenden Ansätzen untersucht dieses Projekt Repräsentationen, die auf zwei verschiedene Arten angepasst werden können. Sowohl die visuelle Beschreibung einzelner Merkmale als auch die Codierung der räumlichen Lage untereinander kann von einer strikten bis hin zu einer groben Beschreibung variiert werden. Hierbei sollen die Merkmale mit unterschiedlicher Striktheit ohne Neuberechnung aus dem Bild aus einer einzigen Quellrepräsentation abgeleitet werden können. Analog soll auch die Indexstruktur eine Ähnlichkeitssuche mit variierbarer Striktheit unterstützen, ohne Daten mehrfach zu speichern. Schlussendlich soll dieses Projekt zeigen, dass eine an den Bildinhalt anpassbare visuelle Beschreibung die allgemeine Bildsuche verbessert und die optimale Konfiguration der Beschreibung anhand einer kleinen Menge an Trainingsdaten pro allgemeinem Kontext vorab gelernt werden kann.

• DFG Programme: Research Grants