본 논문에서는 텍스타일 영상의 내용 데이터, 감성 데이터, 메타데이터를 결합시킨 영상 검색 시스템을 제안한다. 섬유 패션의 정보를 가지고 있는 메타데이터와 영상의 색상 및 감성 색상을 이용한 내용의 결합은 그 동안의 섬유 패션산업과 관련된 영상 검색 시스템에서 진일보된 것이다. 우선 메타데이터의 정보를 통해서 영상을 검색하게 된다 검색된 영상 안에서 색상히스토그램과 색상스케치, 감성 히스토그램을 통하여 주어진 영상과 비슷한 영상들을 검색하게 된다. 본 논문에서는 텍스타일 영상으로부터 감성 특성을 추출하기 위해서, H, Nagumo의 배색이미지차트에서 제안하는 160개 감성어에 대한 감성 색상을 이용하였다. 본 논문에서 제안된 텍스타일 영상 검색 시스템에서 부가적인 기능인 돋보기 기능, 색상 히스토그램 기능, 색상 스케치 기능, 반복 패턴 보기 기능을 통해 검색된 텍스타일 영상들의 정보를 효과적으로 제공함으로써 사용자의 편의를 강화하였다.
본 논문에서는 텍스타일 영상의 내용 데이터, 감성 데이터, 메타데이터를 결합시킨 영상 검색 시스템을 제안한다. 섬유 패션의 정보를 가지고 있는 메타데이터와 영상의 색상 및 감성 색상을 이용한 내용의 결합은 그 동안의 섬유 패션산업과 관련된 영상 검색 시스템에서 진일보된 것이다. 우선 메타데이터의 정보를 통해서 영상을 검색하게 된다 검색된 영상 안에서 색상히스토그램과 색상스케치, 감성 히스토그램을 통하여 주어진 영상과 비슷한 영상들을 검색하게 된다. 본 논문에서는 텍스타일 영상으로부터 감성 특성을 추출하기 위해서, H, Nagumo의 배색이미지차트에서 제안하는 160개 감성어에 대한 감성 색상을 이용하였다. 본 논문에서 제안된 텍스타일 영상 검색 시스템에서 부가적인 기능인 돋보기 기능, 색상 히스토그램 기능, 색상 스케치 기능, 반복 패턴 보기 기능을 통해 검색된 텍스타일 영상들의 정보를 효과적으로 제공함으로써 사용자의 편의를 강화하였다.
This paper proposes an image retrieval system which integrates metadata, contents, and emotions in textile images. First, the proposed system searches images using metadata. Among searched images, the system retrieves similar images based on color histogram, color sketch, and emotion histogram. To e...
This paper proposes an image retrieval system which integrates metadata, contents, and emotions in textile images. First, the proposed system searches images using metadata. Among searched images, the system retrieves similar images based on color histogram, color sketch, and emotion histogram. To extract emotion features, this paper uses emotion colors which was proposed on 160 emotion words by H. Nagumo. To enhance the user's convenience, the proposed textile image retrieval system provides additional functions as like enlarging an image, viewing color histogram, viewing color sketch, and viewing repeated patterns.
This paper proposes an image retrieval system which integrates metadata, contents, and emotions in textile images. First, the proposed system searches images using metadata. Among searched images, the system retrieves similar images based on color histogram, color sketch, and emotion histogram. To extract emotion features, this paper uses emotion colors which was proposed on 160 emotion words by H. Nagumo. To enhance the user's convenience, the proposed textile image retrieval system provides additional functions as like enlarging an image, viewing color histogram, viewing color sketch, and viewing repeated patterns.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
결합하는 것이다. 또한 사용자의 선호도를 반영하여 사주 사용하는 사용자의 검색 효율을 높이는 것이다.
본 논문에 대한 향후 연구 과제는 현재 색상을 이용한 감성어 기반 영상 검색을 의미적 영상 검색과 결합하는 것이다. 또한 사용자의 선호도를 반영하여 사주 사용하는 사용자의 검색 효율을 높이는 것이다.
결과를 찾아주는 것이다. 본 논문에서는 시스템은 텍스타일의 의미적인 메타데이터와 텍스타일 영상의 내용 및 감성 정보를 결합시켜 사용자가 원하는 텍스타일 정보를 효율적으로 검색할 수 있는 시스템을 제안한다. 그림 1은 제안하는 텍스타일 영상 검색 시스템의 전체 흐름도를 보여주고 있다.
본 논문은 영상의 내용 및 감성과 메타데이터를 결합하여 이질적인 데이터를 융합한 텍스타일 영상 검색 시스템을 제안하였다. 제안된 시스템은 기존의 텍스타일 영상 검색 시스템과 비교하여 다음과 같은 장점을 가진다.
본 논문의 목표는 “클래식한 감성의 프린트 디자인, , , , , 질의 영상과 유사한 실크”처럼 이질적 인질의 어를 결합하여 사용자에게 보다 만족스런 검색 결과를 찾아주는 것이다. 본 논문에서는 시스템은 텍스타일의 의미적인 메타데이터와 텍스타일 영상의 내용 및 감성 정보를 결합시켜 사용자가 원하는 텍스타일 정보를 효율적으로 검색할 수 있는 시스템을 제안한다.
가설 설정
있다. 사용자가 직조디자인으로 면이면서 한국 지역인 텍스타일 영상에서 프리티, 귀여운, 어린, 가련한, 달콤한, 깜찍한 감성을 포함한 텍스타일 영상을 검색하기를 원한다고 가정하자. 이러한 질의는 메타데이터만으로(그림 10(a)) 또는 감성 어만으로(그림 l(Xb)) 정확하게 검색하기 어렵다.
질의 영상과 유사한 직조디자인, 면 중에서 미친듯한, 격렬한, 환각적 감성어와 텍스타일 영상을 검색한다고 가정하자. 이러한 복합적인 질의는 질의 영상만으로(그림 11(a)) 검색하기 어렵다.
제안 방법
512개의 빈에 포함되어 있는 픽셀의 수 중에서 가장 높은 값을 100으로 맞추어 0~100사이의 값으로 히스토그램의 크기를 정규화 시켜주었다.
감성 색상을 이용한 영상 인덱싱은 영상으로부터 감성 특성을 자동으로 추출하는 방법을 제안한다.
검색 결과를 결합시키기 위해 메타데이터의 검색 결과에 대해 영상을 검색한다. 사용자가 메타데이터를 선택함으로써 검색 결과가 전체 영상 데이터베이스의 부분집합으로 제공되어 영상의 내용 및 감성 검색 시 검색범위가 크게 줄어들게 된다.
색상을 포함할 수 있다. 따라서 그림 7에서 보는 것처럼 감성 색상에 대한 감성어를 가질 경우엔 감성번호로, 그렇지 않을 경우에는 -1로 표 시함으로써 각 감성 색상에 대한 160개 감성어와의관계를 구하였다.
일반적으로 RGB 색상은 24bit로 구성되어 221개의 색상이 가능하지만, 실제 한 영상에 사용되는 색상은 221개보다 훨씬 적다[10]. 따라서 본 논문에서는 RGB 각각을 25으로 나누어 512 개(h1,... h512)의 빈을 가지도록 군집화 시켰다.
본 논문에서 제안된 감성어를 이용한 텍스타일검색 시스템을 구현하기 위해서는 먼저 텍스타일 영상에 포함된 감성 색상을 추출하여야한다. 본 논문에서 구현한 검색 시스템에서 사용되는 감성색상은 H N&gumo의 배색이미지차트로부터 수집되었다[5].
본 논문에서 제안된 색상을 이용한 영상 검색 시스템은 pentium(R) 4 CPU 3.0GHz와 1GB RAM 메모리 사양의 window XP상에서 JAVA와 Mysql을 이용하여 DB를 설계하였다. 실험 영상은 덕성여자대학교 디자인 리소스에서 제공한 JPG 영상 데이터로 총 3, 642개를 사용하였다.
중요한 요소가 된다[1, 9]. 본 논문에서는 특정 패턴이 있는 섬유의 특징을 고려하여, 색상 히스토그램을 통해서 영상의 전역적인 특징을 표현하였고 색상 스케치를 이용하여 영상의 지역적인 특징을 표현하였다 이렇게 구해진 영상의 특징들은 유사도 검색을 통해 유사한 영상을 검색할 수 있게 한다.
지역은 한국, 이태리, 미국, 일본, 스페인, 독일, 중국, 중동, 중남미, 프랑스 등으로 구분한다. 용도는 인테리어용, 여성의류용, 남성의류용, 수영복, 넥타이, 스카프, 벽지, 침장류, 모자로 구분하였다.
수 없다. 이런 점을 보완하기 위하여 영상의 지역적인 특징을 나타내는 색상 스케치를 이용하였다. 본 논문에서는 그림 3에서 보여지는 것과 같이 영상을 가로, 세로 17등분하여 289개 (s1.
제안하는 시스템에서는 160개 감성어에 해당되는 감성 색상을 그림 6과 같이 데이터베이스로 저장하였다 그런데 서로 다른 감성어가 같은 감성 색상을 포함할 수 있다. 따라서 그림 7에서 보는 것처럼 감성 색상에 대한 감성어를 가질 경우엔 감성번호로, 그렇지 않을 경우에는 -1로 표 시함으로써 각 감성 색상에 대한 160개 감성어와의관계를 구하였다.
사용된다. 즉, 메타데이터와 질의 영상이 함께 주어지면, 메타 데이터를 통해서 유사한 영상을 검색한 후 검색된 결과 내에서 주어진 질의 영상의 색상 및 감성 특성과의 유사도를 계산을 통해 영상을 검색한다. 만일 감성어와 질의 영상이 주어지면, 감성어와 유사한 영상을 검색한 후에 질의 영상과 유사한 영상을 검색하게 된다.
대상 데이터
포함된 감성 색상을 추출하여야한다. 본 논문에서 구현한 검색 시스템에서 사용되는 감성색상은 H N&gumo의 배색이미지차트로부터 수집되었다[5]. 수집된 감성 색상은 B(Budding)z G(Growth), R(Ripen), W(Withering)으로 크게 4개의 존으로 나누어져 있고, 이 4개의 존에는 23 개의 표준 그룹이 포함된다(그림 4).
이런 점을 보완하기 위하여 영상의 지역적인 특징을 나타내는 색상 스케치를 이용하였다. 본 논문에서는 그림 3에서 보여지는 것과 같이 영상을 가로, 세로 17등분하여 289개 (s1... S289)의 부분영역으로 구성하였다. 각 부분영역은 부분 영역내의 모든 픽셀들이 RGB 평균값으로 대표된다.
0GHz와 1GB RAM 메모리 사양의 window XP상에서 JAVA와 Mysql을 이용하여 DB를 설계하였다. 실험 영상은 덕성여자대학교 디자인 리소스에서 제공한 JPG 영상 데이터로 총 3, 642개를 사용하였다. 영상의 크기는 일정하지는 않지만, 대부분 425x425 크기였다.
성능/효과
이러한 단일의 데이터베이스를 이용한 영상검색은 메타데이터로써 영상의 내용을 지정하거나 영상의 내용으로써 메타데이터를 지정하는 것과 같은 이질적인 데이터베이스 사이에서의 상호완충적 검색 기능을 제공하지 못한다. 따라서 본 논문에서 제안된 검색 시스템은 영상의 내용 및 감성과 메타데이터의 검색을 결합하여 이질적인 데이터베이스에서의 검색결과를 융합시킬 수 있다.
메타데이터로 우선 검색한 결과를 이용하는 것은 사용자는 원하는 영상 검색 시, 검색 범위를 줄여 검색 속도를 빠르게 함으로써 영상 검색 정보의 시간적인 비용을 효율적으로 줄일 수 있다.
부가적인 기능으로 상세설명 기능, 돋보기 기능, 색상 히스토그램 기능, 색상 스케치 기능, 반복 패턴 보기 기능을 제공하여 사용자의 편의를 강화하였다.
후속연구
다음으로, 영상의 전역적인 색상 특성을 나타내는 색상 히스토그램과 지역적인 특성을 나타내는 색상 스케치, 영상의 감성을 나타내는 감성 색상 히스토그램의 유사도 검색 결과를 결합하여야 한다. 일반적으로 유사한 영상을 검색하기 위해두 영상 X, Y의에 대한 특성 HX와 Hy사이의 유클리디언(Euclidean) 거리 함수를 이용하여 계산한다.
섬유와 패션 산업은 전체 스트림에 걸쳐 고르게 기업이 분포되고 있어 스트림 연계를 통하여 부가가치를 창출할 수 있다. 섬유와 패션산업에서 고감성, 고기능성, 고성능 소재의 신 섬유소재 기술 개발에 따른 산업 수요가 확대될 것으로 예상되면서 시장대응력을 향상시킬 수 있는 기술 개발 및 기반 확충이 필요하다. 텍스타일디자인은 패션 상품의 고부가가치를 창출하는 가장 효과적인 전략이다.
텍스타일디자인은 패션 상품의 고부가가치를 창출하는 가장 효과적인 전략이다. 텍스타일디자인 개발을 통해서 전문화된 블루오션 제품개발이 가능할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.