Q1 Q2
Q3 Q4
그림 4.9 질의 영상 Q1~Q4
먼저 질의 영상 Q1∼Q4를 이용하여 기존 알고리즘들과 제안한 알고리즘의 검 색 성능을 비교해 보면 그림 4.10, 그림 4.11과 같다.
Q1의 에지 히스토그램 알고리즘 Q1의 에지 히스토그램 알고리즘
Q1의 웨이블릿 모양 추출 알고리즘 Q2의 웨이블릿 모양 추출 알고리즘
Q2의 제안한 알고리즘 Q2의 제안한 알고리즘
그림 4.10 Q1, Q2의 기존 알고리즘과 제안한 알고리즘의 검색 결과
Q3의 에지 히스토그램 알고리즘 Q4의 에지 히스토그램 알고리즘
Q3의 웨이블릿 모양 추출 알고리즘 Q4의 웨이블릿 모양 추출 알고리즘
Q3의 제안한 알고리즘 Q4의 제안한 알고리즘
그림 4.10과 그림 4.11에서와 같이 기존의 에지 히스토그램을 이용한 알고리즘 보다 제안한 알고리즘이 육안 상 회전이나 확대 및 축소된 영상을 더 잘 찾아내 는 것을 확인할 수 있었다. 그러나 질의 영상 Q1과 같이 객체가 뚜렷한 영상에 비해 질의 영상 Q4와 같은 영상은 기존 에지 히스토그램 알고리즘이 다른 영상 이 검색되는 순위가 낮은 반면 제안한 알고리즘은 다른 영상을 먼저 찾아내는 것을 확인할 수 있었다. 그러나 표 4.2과 같이 검색 성능을 Recall과 Precision을 이용하여 비교해 보면 두 알고리즘 모두 Recall은 0.60, Precision은 0.3 으로 결 과적으로 같은 검색 성능을 보이는 것을 확인할 수 있었다.
Method Simulation
에지 히스토그램 웨이블릿 모양 추출 제안한 알고리즘 Recall Precision Recall Precision Recall Precision Image Q1 0.32 0.4 0.52 0.65 0.56 0.7 Image Q2 0.9 0.45 0.9 0.45 0.9 0.45 Image Q3 0.26 0.2 0.2 0.15 0.53 0.4 Image Q4 0.6 0.3 0.6 0.3 0.9 0.45
평균 0.52 0.34 0.56 0.39 0.72 0.50 표 4.2 기존 알고리즘과 제안한 알고리즘의 성능 분석
표 4.3은 하나의 객체만 존재하는 단일객체 영상들만을 대상으로 했을 때의 실 험결과로서, 에지 히스토그램을 이용한 방법과 웨이블릿을 근거한 모양 특징 정 보 추출 방법과 제안된 시스템의 검색 결과를 비교한 것이다. 이들 각각의 특징 으로 검색한 결과를 살펴보면 제안된 시스템은 Recall 0.21, Precision 0.8 로 높 은 검색 정확도를 나타낸 반면, 에지 히스토그램에서는 Recall 0.15, Precision 0.56, 웨이블릿 모양 추출에서는 Recall 0.19, Precision 0.7로 나타내었다.
Simulation Method
sizeDB
Recall Precision에지 히스토그램 300 220 60 34 0.15 0.56 웨이블릿 모양 추출 300 220 60 42 0.19 0.7
제안한 알고리즘 300 220 60 48 0.21 0.8 표 4.3 단일 객체 영상들의 질의 영상에 따른 실험 결과
표 4.4는 단일 객체를 갖는 영상들뿐만 아니라 다중 객체를 갖는 영상들도 포 함한 전체 영상을 가지고 실험한 결과를 나타내고 있다. 여기서도 표 4.3에서와 같은 조건을 주고 에지 히스토그램을 이용한 방법과 웨이블릿을 근거한 모양 특 징 정보 추출 방법과 제안된 시스템간의 검색 결과를 보여주고 있다. 결과 값을 비교해 보면 에지 히스토그램에서는 Recall 0.13, Precision 0.5, 웨이블릿 모양 추 출 방법에서는 Recall 0.17, Precision 0.63으로 단일 객체 영상보다 다중 객체에 서 검색 효율이 떨어지는 걸 확인할 수 있다. 반면, 제안된 시스템의 Recall과 Precision은 0.23과 0.85로 높은 검색효율을 나타내고 있다. 이러한 결과는 본 논 문에서 제안하고 적용한 정규화 레이블링 불변모멘트 알고리즘을 통해 다중 객 체를 잘 표현했기 때문에 가능했다. 또한 불변 모멘트의 특성을 이용하여 다양 한 형태의 객체를 효과적으로 표현하였기 때문에 기존의 알고리즘보다 높은 정 확도를 얻을 수 있었다.
Simulation Method
sizeDB
Recall Precision에지 히스토그램 300 220 60 30 0.13 0.5 웨이블릿 모양 추출 300 220 60 38 0.17 0.63
제안한 알고리즘 300 220 60 51 0.23 0.85 표 4.4 다중 객체 영상들의 질의 영상에 따른 실험 결과
Ⅴ. 결론
본 연구에서는 형태정보의 속성으로 정규화 레이블링 불변모멘트 기반으로 다 중 객체영상에서의 형태검출을 하는 간단하면서도 효율적인 검색 기법을 제안하 였다. 동작 순서는 질의 영상이 주어지면 영상 내 객체를 레이블링하여 최대 면 적부터 재배열을 하고 불변모멘트를 이용하여 특징벡터를 추출한다. 추출한 특성 벡터에서 영상 변환에 강인한 정규화 벡터를 생성한다. 이로 얻은 특징벡터 값을 이용하여 유사도를 측정하게 된다.
제안된 알고리즘은 시뮬레이션을 통하여 알고리즘의 간단함과 함께 검색의 효 율성을 입증하였다. 결과값을 비교해 보면 에지 히스토그램을 사용하는 방식에 비해 Recall과 Precision을 비교해 본 결과 기존 알고리즘 보다 다중 객체 영상에 서 Recall은 0.1, Precision은 0.35 높은 것으로 보아 검색 성능이 더 좋은 것으로 확인되었다. 또, 웨이블릿 모양 추출 알고리즘에 비해 Precision이 0.22 높은 것으 로 확인되었다.
이와 같이 다중 객체 레이블링 보정과 속성 재배열 기법은 급속도로 발전하고 있는 멀티미디어 데이터의 다양한 정보를 추출함으로써 형태를 기반으로 하는 영상검색에서 정확도와 검색시간 단축 및 최적의 데이터베이스를 구성하고 검색 할 수 있는 시스템이나 앞으로 내용 기반 검색 시스템 구축을 위한 기초 자료로 활용할 수 있을 것이라 생각한다.
【참고문헌】
[1] Y. Rui and T. S. Huang, "Image retrieval: current techniques, promising directions, and open issues," J. of Visual Communication and Image Representation, vol. 10, pp. 39-62, 1999.
[2] A. W. M Smeulders, M. Worring, S. Santini, A. Gupta, and R. Jain,
"Content-based image retrieval at the end of the early years," IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 22, no. 12, pp.
1349-1380, Dec. 2000.
[3] S. Michael, "Next-generation web searches for visual content," IEEE Computer, pp. 46-52, Nov. 2000.
[4] Y. H. Ang, Zhao Li and S. H. Ong, "Image Retrieval based on Multimensional Feature Properties", The International Society for Optical Engineering(SPIE), vol. 2420, pp. 47-57, 1995.
[5] R. Brunelli and O. Mich, "Image Retrieval by Examples", IEEE Trans. on Multimedia, vol. 2, no. 3, pp. 164-171, Sep. 2000.
[6] A. Yoshitaka and T. Ichikawa, "A Survey on Content-Based Retrieval for Multimedia Databases", IEEE Trans. on Knowledge and Data Engineering, vol. 11, no. 1, pp. 81-93, 1999.
[7] J.K. Wu, "Content-based Indexing of Multimedia Databases", IEEE Trans.
on Knowledge and Data Engineering, Vol.9, No.6, pp.978-989, 1997.
[8] M. J. Swain and D. H. Ballar, "Color index", Int. J. Computer Vision, vol.
7, no, 1, pp. 11-32, July 1991.
[9] Gross M. H. and Koch R., "Visualization of multidimensional shape and texture features in laser range data using complex-valued Gabor wavelets", IEEE Transactions on Visualization and Computer Graphics, vol. 1, pp. 44-59, March 1995.
[10] A. K. Jain and A. Vailaya, “Image retrieval using color and shape,”
Pattern Recognition, vol. 29, no. 8, pp. 1233-1244, 1996.
[11] A. D. Bimbo and P. Pala, “Visual image retrieval by elastic matching of user sketches,” IEEE Trans. Pattern Analysis and Machine Intelligence, Vol. 19, no. 2, pp. 121-132, 1997.
[12] Willian I. Grosky, Peter Neo, and Rajiv Mehrotra, "A Pictorial Index
Mechanism for Model-based Matching", Data and Knowledge Engineering, vol. 8, pp. 309-327, 1992.
[13] Jong-An Park, Young-Eun An, and Min-Hyuk Chang, "2nd Chain code method based on the maximum histogram for shape retrieval", JKIIT, vol. 8, no. 11, pp. 239-245, Dec. 2010.
[14] Seon-Jong Kim, and Young In Kim, “An Extraction of Region-based Information for Image Retrievals”, JKIIT, vol. 3, no. 4, pp. 31-37, Aug.
2005.
[15] Juntaek Oh, Hyunwook Kwak, and Wookhyun Kim, “Recognition of Traffic Signs using Wavelet Transform and Shape Information”, IEIE, pp.125-134, 2004.
[16] Gwang-won Kang, Ji-min Lee, and Jong-an Park, “Image retrieval using the maximum sequence of the rearranged feature vector based on object corners”, JKIIT, vol. 8, no. 12, pp. 247-254, Dec. 2010.
[17] Taek Jin Kwon, “Content-Based Image Retrieval Using Shape and Texture Feature”, Master thesis, The Graduate School Kangwon National University, pp. 3-6, 2001.
[18] K. Hirata and T. Kato, "Query by Visual Example", Proc. EDBT conference, pp56-71, 1992.
[19] Seong-Hee Kim, “A Study on the Performance Analysis of Content-based Image & Video Retrieval Systems”, Journal of The Korean Biblia Society for Library and Information Science, vol. 15 no.
2, pp. 97-116, 2004.
[20] Hyun-Sool Kim, "Study on the Content-based Image Retrieval using Color, Shape and Texture Information", Doctoral dissertation, The Graduate School Yonsei University, 2001.
[21] Ji-Min Lee, "CBIR based on the Rearrangement of Corner Patch Feature", Master thesis, The Graduate School Chosun University, 2010.
[22] Chun-Hua Huang, "Content-based Image Retrieval using Color Histogram and Multi-texture Analysis", Master thesis, The Graduate School Soongsil University, 2011.
[23] T. Gevers and A. Smeulers, "A Comparative Study of Several Colour Models for Colour Image Invariant Retrieval", Proc. of First Int.
Workshop on Image Database and Multimedia Search, Amsterdam, pp.17-27, Aug. 1996.
[24] Colombo C, A. Rizzi, and I. Genoversi, "Histogram families for colour-based retrieval in image database", Proc. ICIAP'97, Florence, pp.
204-211, 1997.
[25] Smith J. R. and S. F. Chang, "Visual SEEK: A fully automated content-based image query system", ACM multimedia'96, Boston, MA.
1996.
[26] H. Wechsler, "Texture Analysis – A Survey", Signal Processing. vol. 2, no. 3. pp. 271-282, 1980.
[27] J. Y. Hsiao and A. A. Sawchuk, "Texture Feature Performance for Image Segmentation", Pattern Recognition, vol. 23, no. 3, pp. 291-309, 1990.
[28] J. M. Coggins, "A Framework for Texture Analysis Based on Spatial Filtering", University Microfilms International, 1983.
[29] C. H. Chen, L. F. Pau, and P. S. P. Wang, "Handbook of Pattern Recognition and Computer Vision", World Scientific Publishing Co., 1998.
[30] R.M Haralick, "Statistical and Structural Approaches to texture", Proc.
IEEE, vol. 67, no. 5, pp. 786-804, May 1979.
[31] T. Randen, "Filter and Filter Design for Image Recognition", Ph.D thesis, Norwegian Univ., Oct. 1997.
[32] T. Randen and J. H. Husoy, "Filtering for Texture Classification: A Comparative Study", IEEE Trans. on Patt. 43Anal. Machine Intell., vol.
21, no. 4, pp. 291-310, Apr. 1999.
[33] T. Chang and C. j. Kuo, "Texture Analysis and Classification with Tree-Structured Wavelet Transform", IEEE Trans. on Image Proc., vol.
2, no. 4, pp. 429-441, 1993.
[34] M. Unser and M. Eden, "Multiresolution Feature Extraction and Selection for Texture Segmentation", IEEE Trans. on Patt. Anal.
Machine Intell., vol. 11, no. 7, pp. 717-728, July 1989.
[35] A. Laine and J. Fan, "Texture Classification by Wavelet Packet Signatures", IEEE Trans. on Patt. Anal. Machine Intell., vol. 15, no. 11,
pp. 1186-1191, Nov. 1993.
[36] Y. Y. Tang, L. H. Yang, J. Liu, and H. Ma, "Wavelet Theory and Its Application to Pattern Recognition", World Scientific, 2000.
[37] S. G. Mallat, "A Theory for Multiresolution Signal Decomposition: The Wavelet Representation", IEEE Trans. on Patt. Anal. Machine Intell., vol. 11, no. 7, pp. 674-693, July 1989.
[38] J. C. Goswami and A. K. Chan, "Fundamentals of Wavelets: Theory, Algorithms, and Application", Wiley Inter-science, 1999.
[39] Byung-Gil Ye, "Texture Segmentation Using Wavelet Frame and Spatial Information", Master thesis, Korea Maritime University, 2002.
[40] Nishat Ahmad, "Object Retrieval Approach with invariant Features Based on corner Shapes," IEEE Communication Society, vol. 1, pp.
840-845, 2007.
[41] A. Khotanzad and Y. H. Hong, "Invariants Image Recognition by Zernike Moments," IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 12. no. 5, pp. 486-4971, 1990.
[42] C. Schmid and R. Mohr, "Matching by Local Invariants," Technical report N2644, INRIA, 1995.
[43] Sxhmid and R. Mohr, "Local Gray value Invariant for Image Retrieval,"
IEEE Trans. on pattern Analysis and Machine Intelligence, vol. 19, no.
5, pp. 550-535, 1997.
[44] A. K. Jain and A. Vailaya, “Shape-based retrieval: A case study with trademark image databases,” Pattern Recognition, vol. 31, no. 9, pp.
1369-1390, 1998.
저작자표시-비영리-변경금지 2.0 대한민국
이용자는 아래의 조건을 따르는 경우에 한하여 자유롭게
l 이 저작물을 복제, 배포, 전송, 전시, 공연 및 방송할 수 있습니다. 다음과 같은 조건을 따라야 합니다:
l 귀하는, 이 저작물의 재이용이나 배포의 경우, 이 저작물에 적용된 이용허락조건 을 명확하게 나타내어야 합니다.
l 저작권자로부터 별도의 허가를 받으면 이러한 조건들은 적용되지 않습니다.
저작권법에 따른 이용자의 권리는 위의 내용에 의하여 영향을 받지 않습니다.
이것은 이용허락규약(Legal Code)을 이해하기 쉽게 요약한 것입니다.
Disclaimer
저작자표시. 귀하는 원저작자를 표시하여야 합니다.
비영리. 귀하는 이 저작물을 영리 목적으로 이용할 수 없습니다.
변경금지. 귀하는 이 저작물을 개작, 변형 또는 가공할 수 없습니다.
정규화 레이블링 불변모멘트에 기반한 다중객체 영상검색
조선대학교 산업기술융합대학원
소프트웨어융합공학과
김 국 정
2015년 8월
석사학위 논문
2 0 1 5 년
8 월
석 사 학 위 논 문
정 규 화 레 이 블 링 불 변 모 멘 트 에 기 반 한 다 중 객 체 영 상 검 색
김 국 정
2015년 8월 석사학위 논문
정규화 레이블링 불변모멘트에 기반한 다중객체 영상검색
조선대학교 산업기술융합대학원
소프트웨어융합공학과
김 국 정
정규화 레이블링 불변모멘트에 기반한 다중객체 영상검색
Multi-object Image Retrieval based on Normalization Labeling Invariant Moments
2015년 8월 25일
조선대학교 산업기술융합대학원
소프트웨어융합공학과
김 국 정
정규화 레이블링 불변모멘트에 기반한 다중객체 영상검색
지도교수 박 종 안
이 논문을 공학석사학위 신청 논문으로 제출함 2015년 4월
조선대학교 산업기술융합대학원
소프트웨어융합공학과
김 국 정
조 선 대 학 교 대 학 원
2015
년
5월
Y
‹ iy
위 원 조 선 대 학 교 교 수 박 종 안 矗囟汪
。,