[논문]지형/지물 이미지 데이타베이스를 위한 형태 특징 추출 방법

권용일; 박호현; 이석룡; 정진완

지형/지물 이미지 데이타베이스를 위한 형태 특징 추출 방법
A Shape Feature Extraction Method for Topographical Image Databases 원문보기

정보과학회논문지. Journal of KIISE. 데이타베이스, v.33 no.4, 2006년, pp.384 - 395

권용일 (중앙대학교 전자전기공학부) , 박호현 (중앙대학교 전자전기공학부) , 이석룡 (한국외국어대학교 산업정보시스템공학과) , 정진완 (한국과학기술원 전자전산학과)

초록
AI-Helper

항공 및 위성 사진과 같은 지형 / 지물 이미지는 대부분 비슷한 색상과 질감을 갖는다. 따라서 지형 / 지물 이미지 데이타베이스에서 질의 이미지를 정확하게 검색하기 위해서는 이미지의 형태 특정을 추출하는 것이 매우 중요하다. 본 논문에서는 지형 / 지물 이미지 검색을 위한 형태 특정 추출 방법을 제안한다. 이 방법은 이미지내 홀(hole) 이 있거나 이미지가 연결되지 않은 영역들로 구성되어 있을 경우에도 형태 특징들을 효과적으로 추출할 수 있다. 그리고 세그멘테이션 (segmentation)과 같은 특정 추출의 전처리 과정 (pre-processing) 에서 발생할 수 있는 오류에 강인하다. 본 논문에서 제안하는 방법이 기존의 방법들 보다 우수함을 다양한 이미지 검색 실험을 통해 보인다.

Abstract ▼ AI-Helper

Topographical images such as aerial and satellite images are usually similar with respect to colors and textures but not in shapes. Thus shape features of the images and the methods of extracting them become critical for effective image retrieval from topographical image databases. In this paper, we propose a shape feature extraction method for topographical image retrieval. The method extracts a set of attributes which can model the presence of holes and disconnected regions in images and is tolerant to pre-processing, more specifically segmentation, errors. Various experiments suggest that retrieval using attributes extracted using the proposed method performs better than using existing shape feature extraction methods.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 지형/지물 이미지의 형태 특징을 보다 효과적으로 추출 할 수 있는 방법인 원형 투영(polar projection)을 제안한다. 원형 투영은 복잡한 형태의 객 체를 기술할 수 있는 속성 벡터들(attribute vectors)을 추출한다.
본 논문은 지형/지물 이미지에 적합한 형태 특징 추 출 방법인 원형 투영을 소개하였다. 이 방법은 영역의 무게 중심에서 외곽으로 투영을 하면서 얻어진 특징들 을 저장함으로써 형태 정보를 추출한다.
앞서 언급한 대로 세그멘테이션 과정을 거친 SxxSy 크기의 이진 이미지를 생각해보자. 여기서 각각의 화소 p(z, 0)는 다음에 정의된 함수 /S迎)에 의해 주어진 값을 갖는다.

가설 설정

본 논문에서 지형/지물 이미지는 특징 추출할 객체 예: 섬)와 배경에: 바다)은 분리되어 있다고 가정한다. 즉 이미지는 특징 추출하기 전에 세그멘테이션 되어 있다.
속성 추출을 위해 먼저 해야 할 일은 이미지의 원점 을 찾는 것이다. 본 논문에서는 그 원점을 이미지의 무 게 중심이라 가정하고 어떻게 무게 중심을 구하는지 간 단히 설명할 것이다. 다음으로 객체의 무게 중심에서 시 작하여 외곽선에서 끝나는 일정 간격 방향의 방사선을 얻는다 각 방사선 사이의 각도를。라 하면 / = 360/0개의 방사선 丑;, %, …, 凡 이 얻어지고 방사선 4(S = L2, ・.
이 때문에 이미지에 포함된 각각의 객체를 분리해서 저장하는 것이 더 유용 하다. 이를 위해 본 논문에서는 세그멘테이션 과정을 거 친 이미지는 분리 과정(separation process)에 의해 개 별의 객체로 나눠지고 이들은 하나의 이미지로 저장된 다고 가정한다. 결국 이런 전처리 과정 후에 이미지 데 이타베이스가 구축되고, 하나의 이미지는 단일 객체를 갖는다.

제안 방법

기존의 세 가지 방법과의 비교를 통해 본 논문에서 제안하는 원형 투영의 장점을 보인다 직각 투영은 특징 값으로 오직 영역 화소의 빈도만을 이용한다. 이에 반해 원형 투영은 영역 화소의 빈도뿐만 아니라 영역 교대의 수와 방사선의 길이를 이용한다.
그리고 지형/지물 이미지는 임 의의 방향에서 촬영될 수 있으므로 방향 불변의 특징 추출은 매우 중요하다. 방향 불변을 위해 한 속성에 대해서 가장 큰 값을 기준점으로 이용할 수 있는데 본 논문에서는 방사선의 길이(砍) 속성을 사용한다. 여기서 방사선의 길이가 가장 긴 방사선을 참조 방사선 (reference ray) 이라 한다.
이미지의 형태 특징 추출 방법은 영역 기반의 특징 추출(region-based shape feature extraction) 방법과 외곽선 기반의 특징 추출(contour-based shape feature extraction) 방법으로 나눠질 수 있다[5L 영역 기반의 방법은 영역의 외곽선과 그 내부의 화소 분포를 형태 특징으로 추출하는 것이고, 외곽선 기반의 방법은 오직 영역의 외곽선에 관한 특징을 추출하는 것이다. 본 논문 에서 제안하는 원형 투영은 영역 기반의 특징 추출 방법으로 분류된다.
본 논문에서 제안하는 방법의 기본 개념은 이미지에 대해 방사선(ray)을 이용한 사용자 정의의 이산 표현 (user-defined discrete expression)-®- 갖는 것이다. 여기서 방사선은 객체의 원점에서 시작하여 외곽선으로 일정 각도마다 향하고 이것은 이미지의 내용을 표본화 (sampling)한匸}.
본 실험에서는 원형 투영과 CSS 만을 비교 실험 할 것이다. 그 이유는 직각 투영은 방향 불변의 성질이 없고, 시그너처는 원형 투영의 방사선 길이만을 이용하는 방 법이고 원형 투형이 이미 직각 투영과 시그니처의 특징을 모두 포함하기 때문에 원형 투영이 항상 직각 투영 과 시그니처 보다 좋은 성능을 가지기 때문이다.
여기서 방사선은 객체의 원점에서 시작하여 외곽선으로 일정 각도마다 향하고 이것은 이미지의 내용을 표본화 (sampling)한匸}. 제안한 방법은 원형 좌표계(polar coordinates) 위에서 투영이 수행되므로 원형 투영(polar projection)의 이름을 갖는다. 각 방사선에 대해 속성들 이 계산되고 모든 방향에서 얻어진 속성들은 객체의 형태를 기술하는데 사용된다.

대상 데이터

이것은 한 종류의 이미지에 적합한 검색 방법이 다른 종류의 이미지에 대해서는 효과적인 방법이 아닐 수 있음을 의미한다. 기존의 방법으로 정확한 검색을 할 수 없었던 이미지 종류들 중의 하나로 본 논문에서 다루는 지형/지물 이미지가 있다.

성능/효과

그림 17에서 그림 15의 그래프와 마찬가지로 CSS보다 원형 투영에서 재현율에 따른 정확도가 높음을 알 수 있다. 그리고 CSS 실험에서 재현율은 60%인 반면 원형 투영 실험에서는 75%로 저장된 유사한 이미지가 더 많이 검색됨을 알 수 있다. 결국 그림 14와 그림 16 의 실험으로부터 원형 투영이 CSS보다 형태 특징을 효과적으로 추출함을 알 수 있다.
이것은 원형 투영 이 CSS보다 유사한 이미지를 결과 이미지 내의 높은 순위로 검색할 수 있음을 의미한다. 그리고 원형 투영과 CSS 실험에서 재현율이 각각 90%, 70%이고, 이를 통해 저장된 유사한 이미지가 원형 투영 실험에서 더 많이 검색됨을 말해준다. 따라서 그림 14의 실험 결과로부터 지형/지물 이미지 검색에서 원형 투영이 CSS보다 더 나은 성능을 갖는 것을 알 수 있다.
그러나 그림 11(b)에서는 유사한 이미지가 검색된 이미지 중 1, 2, 3, 4 순위를 차지한다. 두 실험을 통해 시그너처 방법은 오직 방사선의 길이(也)만을 이용하기 때문에 외곽선 내부의 영역 화소를 고려하지 않는 것을 확인할 수 있다. 따라서 시그너처 방법을 이용한 검색 살험에서는 질의 이미지와 비슷한 외곽선(원 의 형태)만을 갖는 이미지가 높은 순위에 있다.
첫째로 영역 교대의 빈도는 객체 안의 홀의 여부를 알게 해준다. 둘째로 한 이미지 에 360/<9개의 방사선이 존재하고 속성들은 각 방사선마 다 얻어지며, 0는 사용자 정의의 매개 변수(parameter) 이므로 객체는 사용자에 의해 자세히 또는 대략적으로 표현될 수 있다. 두 이미지를 비교할 때 소비되는 계산 시간과 추출된 속성들을 위한 저장 공간을 고려해。를 조절할 수 있다.
둘째로 지형/지물 이미지는 복잡한 형태를 갖는 경우가 많아 단순 형태의 이미지보다 정교한 특징 추출이 요구된다. 마지막으로 지형/지물 이미지는 대체로 해상 도가 낮고, 지형/지물에 반사되는 빛의 양과 같이 통제 불가능한 요소는 특징 추출의 전처리 과정인 세그멘테 이션에 영향을 줄 수 있다. 결국 지형/지물 이미지의 정확한 검색을 위해서는 위의 사항들을 고려할 수 있는 특징 추출 방법이 필요하다.
원형 투영 방법의 각 특징들은 이전의 방법들에서 추출된 특징들보다 더 포 괄적임을 보였고, 이러한 관점에서 영역의 홀과 비연결 성을 표현할 수 있다. 뿐만 아니라 간단한 참조 각도가 거리 계산 시간을 줄여 그 결과 선형 시간에 유사성을 측정할 수 있었다.
각 방향에서 투 영을 하면서 얻어진 특징들은 다음과 같다: (1) 영역 화 소의 수 (2) 영역의 변화 수 (3) 무게 중심에서 가장 멀 리 떨어진 영역 화소까지의 거리. 원형 투영 방법의 각 특징들은 이전의 방법들에서 추출된 특징들보다 더 포 괄적임을 보였고, 이러한 관점에서 영역의 홀과 비연결 성을 표현할 수 있다. 뿐만 아니라 간단한 참조 각도가 거리 계산 시간을 줄여 그 결과 선형 시간에 유사성을 측정할 수 있었다.
즉 참조 방사선을 사용 하지 않은 경우。(必)이지만 사용할 경우。(杉)이 된다. 이 실험을 통해 참조 방사선의 사용은 검색 결과의 정 확도에 큰 영향을 미치지 않고 이미지 비교 시간, 더 나 아가 검색 시간을 줄일 수 있다는 것을 알 수 있다.

참고문헌 (10)

Gudivada, V.N., Raghavan, V.V., 'Content-based Image Retrieval Systems,' IEEE Computer, Vol. 28, pp. 18-22, September 1995

상세보기
Milan, S., Vaclav, H. and Roger, B., Image Processing, Analysis and Machine Vision, PWS Publishers, 1999
Smith, J,R, Shih-Fu, C., 'VisualSEEK : a fully automated content-based image query system,' Proceedings of the fourth ACM international conference on Multimedia, pp. 87-98, 1997
Vasconcelos, N., Kunt, M., 'Content-based retrieval from image databases: current solutions and future directions,' Proceedings of International Conference on Image Processing, Vol. 3, pp. 48-53, October 2001
Manjunath, B.S., Philippe S. and Thomas S., Introduction to MPEG-7 Multimedia Content Description Interface, John Wiley and Sons Publishers, June 2002
Gonzalez, R.C., Woods, R.E., Digital Image Processing, Prentice Hall Publishers, 2001
Kpalrna, K., Ronsin, J., 'A multi-scale curve smoothing for generalised pattern recognition (MSGPR),' Proceedings of Seventh International Symposium on Signal Processing and Its Applications, Vol. 2, pp. 427-430, July 2003
Mokhtarian, F., Mackworth, A.K., 'A Theory of Multiscale, Curvature-Based Shape Representation for Planae Curves,' IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 14, pp. 789-805, August 1992

상세보기
Mokhtarian, F., and Bober, M., The Curvature Scale Space Representation: Theory, Applications, and MPEG-7 Standardization, Kluwer Academic Publishers, 2002
Latecki, L. J., Shape Data for the MPEG-7 Core Experiment CE-Shape-1, http://www.cis.tcmple.edu/latecki/TestData/mpeg7shapeB.tar.gz, 2002

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증