Salta al contenuto principale
 

Classificazione di Immagini e Video

I metodi e i sistemi di accesso, indicizzazione e recupero di file multimediali sono tradizionalmente basati su parole chiave associate manualmente a testi, video e immagini. Questa attività è economicamente onerosa e costosa in termini di tempo al crescere del numero dei file multimediali nelle collezioni digitali.

Pertanto l’interesse scientifico si è focalizzato sulla ricerca, sviluppo e implementazione di metodi automatici di classificazione del contenuto semantico di immagini e video. Questo tema pone la sfida  della definizione ed estrazione di caratteristiche di basso livello sufficientemente robuste per indicizzare e recuperare i file multimediali da database di immagini mediante misure di similarità tra le caratteristiche.

In questo ambito, la FUB ha sviluppato un algoritmo rapido di clustering che è risultato particolarmente efficiente nell'interrogazione di grandi collezioni di immagini eterogenee.

Assegnato un database multimediale, il metodo proposto costruisce dei cluster di immagini omogenee sulla base della similarità delle informazioni strutturali e successivamente li presenta all'utente.

L'efficacia di questo approccio è strettamente correlata alla modellazione efficiente e robusta delle immagini mediante descrittori di basso livello.

Questo passo della procedura di classificazione è sviluppato nel dominio wavelet tramite la selezione di pattern ad alta informazione strutturale.

Le immagini sono rappresentate da descrittori spazio-temporali derivati dalle funzioni di Laguerre-Gauss e Zernike che consentono di semplificare il processo di clustering mediante una serie di confronti organizzati secondo una struttura ad albero.

L'ordinamento finale dei clusters, in risposta alla query dell'utente, è ottenuto con l'algoritmo Breadth First Search (BSF) che cerca i sottografi connessi della matrice binaria calcolata sogliando la matrice di probabilità associata al processo di fusione del cluster.