본 논문은 기존 어류도감을 개선하기 위해 기존 어류도감에 IT 기술들이 적용된 전자어류도감의 개념을 도입하고 이를 위한 영상검색 알고리즘을 제안한다. 영상검색은 전자어류도감의 핵심이고 기존 어류도감을 압도하게 하는 기술이다. 어류는 동종일지라도 형태, 컬러, 질감에서 다른 특징들을 갖고, 심지어 동일 어류도 촬영 시의 자세나 주변 환경에 의해 다른 특징을 갖기 때문에 형태, 컬러, 질감의 단순한 특징을 이용하는 기존 영상검색은 전자어류도감에 적합하지 못하다. 제안된 영상검색은 어류의 머리, 몸통, 꼬리에서 추출된 상세 특징들을 채택하고, 특징들에는 그들의 불변성에 따라 가중치가 다르게 주어진다. 시뮬레이션 결과들은 제안된 알고리즘이 기존 알고리즘을 훨씬 능가하는 것을 보여준다.
본 논문은 기존 어류도감을 개선하기 위해 기존 어류도감에 IT 기술들이 적용된 전자어류도감의 개념을 도입하고 이를 위한 영상검색 알고리즘을 제안한다. 영상검색은 전자어류도감의 핵심이고 기존 어류도감을 압도하게 하는 기술이다. 어류는 동종일지라도 형태, 컬러, 질감에서 다른 특징들을 갖고, 심지어 동일 어류도 촬영 시의 자세나 주변 환경에 의해 다른 특징을 갖기 때문에 형태, 컬러, 질감의 단순한 특징을 이용하는 기존 영상검색은 전자어류도감에 적합하지 못하다. 제안된 영상검색은 어류의 머리, 몸통, 꼬리에서 추출된 상세 특징들을 채택하고, 특징들에는 그들의 불변성에 따라 가중치가 다르게 주어진다. 시뮬레이션 결과들은 제안된 알고리즘이 기존 알고리즘을 훨씬 능가하는 것을 보여준다.
To improve the conventional illustrated fish book, this paper introduces the concept of an electronic illustrated fish book which applies IT techniques to the conventional one, and proposes the image retrieval for it. The image retrieval is a core technology of the electronic illustrated fish book a...
To improve the conventional illustrated fish book, this paper introduces the concept of an electronic illustrated fish book which applies IT techniques to the conventional one, and proposes the image retrieval for it. The image retrieval is a core technology of the electronic illustrated fish book and make it overwhelm the conventional one. Since fishes, even if the same kind, have different features in shape, color, and texture and the same fish can even have different features by its pose or environment at that time for taking a picture, the conventional image retrieval, that uses simple features in shape, color, and texture, is not suitable for the electronic illustrated fish book. The proposed image retrieval adopts detail shape features extracted from head, body, and tail of a fish and different weights are given to the features depending on their invariability. The simulation results show that the proposed algorithm is far superior to the conventional algorithm.
To improve the conventional illustrated fish book, this paper introduces the concept of an electronic illustrated fish book which applies IT techniques to the conventional one, and proposes the image retrieval for it. The image retrieval is a core technology of the electronic illustrated fish book and make it overwhelm the conventional one. Since fishes, even if the same kind, have different features in shape, color, and texture and the same fish can even have different features by its pose or environment at that time for taking a picture, the conventional image retrieval, that uses simple features in shape, color, and texture, is not suitable for the electronic illustrated fish book. The proposed image retrieval adopts detail shape features extracted from head, body, and tail of a fish and different weights are given to the features depending on their invariability. The simulation results show that the proposed algorithm is far superior to the conventional algorithm.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문은 기존 어류도감의 문제점을 보완하기 위해 전자어류도감 (electronic illustrated fish book) 개념을 도입하고 이를 위한 영상검색 (image retrieval) 알고리즘을 제안한다. 전자어류.
본 논문은 기존 어류도감의 문제점을 해결하기 위해 기존 어류도감에 IT 기술이 적용된 전자 어류도감의 개념을 도입하고 있다. 전자어류도감의 핵심 기능은 어류 영상검색 시스템이며 영상검색을 위해 어류 영상으로부터 어류들 간의 비교 구분되는 특징을 추출하는 방법과 추출된 특징을 이용하여 검색을 수행할 유사도 함수를 제안하고 있다.
본 절에서는 추출된 형태특징 파라미터들을 이용해 유사 영상을 검색하는 효율적인 유사도 함수를 제안한다. 각 특징에는 특징의 불변성을 고려하여 가중치 () 를 주고 있다.
제안 방법
임계값 이상의 최대 에지 성분을 갖는 에지를 그 블록의 대표 에지가 된다. 16개의 국부 영상에서 얻어진 대표 에지 성분들의 히스토그램을 순차적으로 나열하여 80빈의 히스토그램을 생성하여 영상 특징으로 사용한대奸 CSD는 HMMD (hue-max-min-different) 칼라 공간에서 칼라히스토그램으로 표현되는 국부적인 분포를 특징으로 사용한다. 칼라 공간 HMMD는 different 성분을 5개의 비균등 영역으로 양자화하고 hue와 max와 min의 평균인 sum 을 히스토그램 빈 수에 맞추어 different 성분별 균등 양자화를 수행하여 구성한다.
칼라 공간 HMMD는 different 성분을 5개의 비균등 영역으로 양자화하고 hue와 max와 min의 평균인 sum 을 히스토그램 빈 수에 맞추어 different 성분별 균등 양자화를 수행하여 구성한다. 그리고 n><n 블록으로 구성된 구조요소 (structure element)를 m 화소 단위로 영상 내를 이동하면서 블록 단위의 히스토그램을 생성하고 누적시켜 영상의 히스토그램을 생성하고 정규화 시킨다. 여기서 n과 이은 영상 크기에 의존하여 결정된다.
장축을 추출한다. 길고 가는 꼬리, 휘어진 꼬리를 갖는 경우 잘못된 장축을 추출하는 것을 방지하기 위해 전처리 과정으로 내접원 반지름의 10% 크기의 마스크를 이용해 모폴로지 침식을 수행한다. 장축 추출은 그림 2와 같이 수행된다.
따라서 2차원 어류영상을 대상으로 영상검색을 위해서는 어류 영상으로부터 새로운 특징을 정의하고 추출할 필요가 있다 본 논문에서 제안하는 어류 특징은 영역 분할알고리즘에 의해 추출된 어류를 대상으로 머리, 몸통, 꼬리의 형태를 길이와 면적의 상대적인 값으로 표현하고 그림 1과 같은 과정을 통해 추출한다.
본 장에서는 어류객체 추출을 위한 영역분할 알고리즘 削에 의해 추출된 어류들을 대상으로 영상 검색을 위한 어류의 형태특징을 정의하고 형태특징에 의해 어류영상을 효율적으로 검색하기 위한 유사도 평가함수를 제안한다.
본 장에서는 최근 영싱검색의 주류인 내용기반 영상검색에 대해 간단히 기술하고 제안되는 알고리즘과 비교를 위해 MPEG-7에서 영상검색을 위한 서술 자로 소개된 기존 알고리즘들을 기술한다.
생성되는 블록 영상이다. 블록 영상은 다시 서로 겹치지 않는 다수의 작은 블록(2x2)들로 나누고, 각 블록에서 5개의 에지 성분을 계산한다. 임계값 이상의 최대 에지 성분을 갖는 에지를 그 블록의 대표 에지가 된다.
성능 평가를 위한 기존 알고리즘으로 MPEG-7 서술자인 EHD, CSD와 형태 기반으로 특징을 추줄하는 SD (shape descriptor) 을 기술한다.
L1~L7은 길이 요소로 L1 은 머리 둥근 형태, L2, L3은 꼬리 형태, L4, L5, L7는 몸의 둥근 형태와 무게 중심의 위치, L6은 어류 길이를 표현하고, R1~R6은 면적 요소로 R1 은 몸통, R2~R5은 꼬리 형태, R6은 머리 형태를 표현하고 있다. 실제 어류검색을 위한 특징 파라미터는 어류의 기본 요소를 이용해 머리 특징 2개, 체형특징 3개, 꼬리특징 5개를 구성하였다. 동일한 어류에 대해서도 촬영 방법에 따라 형태가 다양하게 나타나므로 적은 수의 특징을 사용하면 일부 유사 특징들에 의해 검색 결과에 큰 영향을 줄 수 있어 다소 많은 파라미터를 사용하고 있다.
도감은 기존 어류도감의 모든 정보를 전지적인 정보로 변환하여 데이터베이스를 구축하고, 전자적인 문자 및 영상 검색을 도입하고, 검색결과를 시각적으로 보여주는 시스템이다. 즉 기존 어류도감의 시각적인 기능을 유지하면서 전자적인 검색, 영구 보존, 확장성 기능을 추가한다. 전자 어류도감의 영상검색은 찾고자 하는 영상에 대해 상호 유사도를 이용하여 영상 데이터베이스에서 일치하거나 일정 이상의 유사도를 갖는 영상을 찾아 보여주는 것으로 기존 어류도감을 향상시켜는 핵심 기술이다
분포를 그림 5에 보여주고 있다. 첫 번째 조건은 형태 특징 10 가지 중 상위 특징 6 가지인 Fl, F4, F5, F6, F7, F10 만을 활용한 것이3, 두 번째 조건은 모든 특징에 동일한 가중치를 사용하는 것이고 세 번째 조건은 형태특징에 가중치를 적용하는 것이다. 검색 결과는 가각 그림 5 (a), (b), (c)와 같다.
대상 데이터
본 夺문에서는 어류 데이터베이스 구축을 위해 국립 수산과학연구원에서 제공받은 262종의 어류 영상을 사용하였으며 질의 영상으로 인터넷을 통해 수집된 90여종의 어류 영상이 사용되었다 검색 결과는 질의 영상을 데이터베이스 영상과 비교하여 같은 어류 영상의 유사도 순위로 표현하였다.
성능/효과
수식에서 오차를 누적시키지 않고 오차를 반전 시켜 제곱하여 누적시키므로 상이함보다 유사함을 강조하는 효과를 준다. 그 결과 어류영상 촬영 조건에 의해 왜곡되는 특징 파라미터에 의한 오차를 줄일 수 있다.
수식에서 오차를 누적시키지 않고 오차를 반전 시켜 제곱하여 누적시키므로 상이함보다 유사함을 강조하는 효과를 준다. 그 결과 어류영상 촬영 조건에 의해 왜곡되는 특징 파라미터에 의한 오차를 줄일 수 있다.
전자어류도감의 핵심 기능은 어류 영상검색 시스템이며 영상검색을 위해 어류 영상으로부터 어류들 간의 비교 구분되는 특징을 추출하는 방법과 추출된 특징을 이용하여 검색을 수행할 유사도 함수를 제안하고 있다. 실험 결과 제안된 알고리즘은 비교 알고리즘에 비해 0.79~2.31초 증가하지만 검색 결과 평균 5.35위 즉 상위 2.04%의 순위로 검색을 수행하며 1위로 검색되는 영상은 32.98% 로 정확도의 개선을 보여주며 전자어류도감의 구현 가능성을 보여준다.
표 1에서는 알고리즘들의 검색 시간, 질의 영상과 같은 어류를 가장 유사하다고 판단한 1 위 검색률, 질의 영상들의 평균 순위를 보여주고 그림 6에서는 질의 영상의 검색 영상에서 순위 분포를 보여주고 있다. 제안된 알고리즘으로 수행한 결과 검색 시간은 비교 알고리즘에 비해 0.79~2.31초 증가하지만 검색 결과 평균 5.90위 즉 상위 2.25%의 순위로 검색을 수행하며 1위로 검색되는 영상은 32.98%로 기존 알고리즘과 비교시 검색 정확도를 크게 개선하고 있음을 보여주고 있다.
후속연구
그래서 색상, 질감, 형태 등의 단순한 특징을 이용하는 기존 영상검색 알고리즘을 이용하는 경우 검색 성능이 매우 떨어진다 본 논문에서 제안하는 영상검색 알고리즘은 머리, 몸통, 꼬리의 형태 특징을 길이와 면적의 상대적인 값으로 정의하고 이를 이용해 유사성을 평가한다 제안된 알고리즘은 기존 알고리즘에 비해 매우 우수하여 전자어류도감의 핵심 기술로 활용이 가능할 것이다.
참고문헌 (10)
명정구, "우리나라 어류도감". 다락원, 2005.
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. on PAMI, Vol.22, No.12, pp.1349-1379, 2000.
J. Huang, S. R. Kumar, M. Mitra, W. J. Zhu, and R. Zabih, "Image Indexing Using Color Correlograms". IEEE Pro. of CVPR, pp. 762-768, 1997.
ISO/IEC 15938-3/FDIS Information technology multimedia content description interface part 3 visual, ISO/IEC/JTC1/SC29/WG11, Doc. N4358, July 2001.
R. M. Haralick, K. Shanmugam, and I. Dinstein, "Texture features for image classification," IEEE Trans. on CMC, Vol.8, pp.610-621, N4358, July 2001.
J. R. Smith and S.-F Chang, "Transform features for texture classification and discrimination in large image databases," in Proc. IEEE Int. Conf. Image Processing, Vol.3, pp.407-411, Nov. 1994.
김선종, 김영인, "영상검색을 위한 영역기반 정보 추출", 한국정보기술학회논문지, Vol.3, No.4, pp.31-37, 2005.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.