Biblioteca multimedia

Wei, Tingyun (2019). Biblioteca multimedia. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. de Sistemas Informáticos (UPM), Madrid.

Description

Title: Biblioteca multimedia
Author/s:
  • Wei, Tingyun
Contributor/s:
  • Martínez Barbero, Jesús
Item Type: Final Project
Degree: Grado en Sistemas de Información
Date: June 2019
Subjects:
Freetext Keywords: Sistemas de recuperación de imágenes; Usabilidad
Faculty: E.T.S.I. de Sistemas Informáticos (UPM)
Department: Sistemas Informáticos
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img] PDF - Users in campus UPM only - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (1MB)
[img] Archive (ZIP) (Anexos 1) - Users in campus UPM only
Download (30kB)
[img] Archive (ZIP) (Anexos 2) - Users in campus UPM only
Download (29MB)
[img] Archive (ZIP) (Anexos 3) - Users in campus UPM only
Download (29MB)

Abstract

Con la popularidad de Internet, los datos multimedia, especialmente las imágenes, se han convertido en la principal herramienta para almacenar y mostrar información, lo que lleva a un rápido aumento en la cantidad de in formación multimedia. Como consecuencia, la identificación y la gestión de imágenes se ha convertido en un problema. La aparición de la búsqueda por imágenes resuelve este problema. La tecnología de consulta de imágenes mediante ejemplo extrae descriptores de imágenes basando en sus características como los colores, las texturas y las formas de las imágenes. En este proyecto, se ha desarrollado de un sistema de la recuperación de imágenes basado en sus contenidos (CBIR), utilizando Python, con el fin de facilitar la búsqueda de imágenes desde un gran base de datos de imágenes. Antes de todos, se ha investigado y analizado el estado del arte en sistemas CBIR, donde existen dos puntos más importantes, los cuales son la extracción de características de imágenes y las métricas de similitud. Se utiliza principalmente la tecnología basada en color y la tecnología basada en textura. En particular, se han estudiado el descriptor de los momentos del color y el descriptor del patrón binario local invariante a la rotación (RILBP). Por el motivo del mejor rendimiento de la búsqueda, se han adoptado y se han combinado estos dos descriptores. Adicionalmente la similitud entre dos imágenes se mide a través de la distancia Manhattan y la distancia Chi cuadrada. Por otra parte, se realiza el análisis de imágenes utilizando la librería OpenCV (Open Source Computer Vision) y todas las características del conjunto de imágenes han sido almacenadas en la base de datos MySQL. Además, se ha desarrollado una interfaz de usuario con Flask para simplificar el proceso del intercambio de informaciones de imágenes y visualizar los resultados de búsqueda. Mediante los experimentos, se han comparado los rendimientos entre la recuperación basada en unas únicas características de imagen y la recuperación basada en la combinación de características, así como los rendimientos de recuperación antes y después de la rotación de imágenes como referencia. Como conclusión del trabajo, la aplicación de las características de imágenes en la búsqueda de imágenes similares es beneficioso para la gestión de los archivos de imágenes y para mejorar el rendimiento de la búsqueda de imágenes. El sistema CBIR desarrollado en este proyecto tiene un buen rendimiento y al mismo tiempo es invariante a la rotación. Abstract: With the popularity of the Internet, multimedia data, especially images, have become the main tool for storing and displaying information, which leads to a rapid increase in the amount of multimedia information. Consequently, the identification and management of images has become a big issue. The appearance of image retrieval solves this problem. The technology of query by example extracts image descriptors based on their characteristics such as colors, textures and shapes of images. In this project, a content-based image retrieval system (CBIR) has been developed by using Python, in order to facilitate the image query from a large database of images. Before all, the state of the art in CBIR systems has been investigated and analyzed. There are two most important points, which are the extraction of image features and the similarity metrics. The image retrieval technology based on color and the one based on texture are mainly used. In particular, the descriptor of the moments of color and the descriptor of the rotation invariant local binary pattern (RILBP) have been studied. In order to reach the best search performance, these two descriptors have been adopted and combined. In addition, the similarity between two images is measured through the Manhattan distance and the Chi square distance. On the other hand, the image analysis is performed by using the OpenCV (Open Source Computer Vision) library and all the characteristics of the Corel1000 image set have been stored in the MySQL database. In addition, a user interface has been developed with Flask to simplify the process of exchanging image information and display search results. Through the experiments, the performance between the retrieval which is based on unique image feature and the retrieval which is based on feature combination has been compared, as well as the retrieval performances before and after the reference image rotation. To conclude, the application of image characteristics in image similarity search is beneficial for the image file management and to improve the image search performance. At the same time, the CBIR system helps provide a better user experience. The CBIR system developed in this project has a good performance, and at the same time it is invariant to the rotation.

More information

Item ID: 56234
DC Identifier: http://oa.upm.es/56234/
OAI Identifier: oai:oa.upm.es:56234
Deposited by: Biblioteca Universitaria Campus Sur
Deposited on: 02 Sep 2019 11:30
Last Modified: 02 Sep 2019 11:30
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM