$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

초록
AI-Helper 아이콘AI-Helper

최근 휴대폰 카메라로 촬영한 영상을 입력으로 사용하는 시스템에 대한 연구가 활발히 이루어지고 있다. 본 논문에서는 와인라벨의 문자를 인식한 후, 데이터베이스내의 와인이미지들 중에서 입력 와인라벨 이미지와 유사한 순서대로 사용자에게 보여주는 시스템을 제안한다. 이미지의 유사도 계산을 위해 본 논문에서는 이미지의 각 영역별 대표색상, 텍스트 영역의 텍스트 색상과 배경색상, 그리고 특징점의 분포를 특징으로 사용한다. 이미지의 색상차를 계산하기 위해 RGB색상을 CIE-Lab색상으로 변환하여 사용하고, 특징점은 해리스코너 검출 알고리즘을 사용하여 추출한다. 각 셀의 대표 색상차와 텍스트 색상차 및 배경 색상차는 가중치를 적용하여 색상차 유사도를 계산하고 색상차 유사도와 특징점 분포 유사도를 정규화하여 최종 이미지 유사도를 구한다. 본 논문에서는 입력 이미지와 데이터베이스내의 이미지 간의 유사도를 계산하여 유사도 순으로 사용자에게 검색 결과를 보여줌으로써 검색 결과로부터 다시 최대 유사 와인라벨을 수동으로 찾는 노력을 줄일 수 있다.

Abstract AI-Helper 아이콘AI-Helper

Recently the research on the system using images taken from camera phones as input is actively conducted. This paper proposed a system that shows wine pictures which are similar to the input wine label in order. For the calculation of the similarity of images, the representative color of each cell o...

Keyword

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 와인 라벨에 있는 문자를 인식하여 와인의 정보를 검색하는 시스템에서 와인의 특성으로 인해 텍스트 검색만으로는 정확한 와인정보를 검색할 수 없기에, 와인라벨 이미지를 이용한 내용기반 이미지 검색을 추가하여 와인라벨 이미지와 유사한 와인 정보를 상위에 표시하는 방법을 제안한다. 와인의 이름은 대부분 원산지, 포도 품종, 와인의 종류, 생산자명, 생산농장 이름 등으로 이루어져 있다.
  • 따라서 와인라벨에 있는 특정 텍스트를 인식하여 와인정보 데이터베이스의 내용을 검색할 경우 중복되는 정보가 검색되게 된다. 본 논문에서는 많은 양의 와인라벨 검색 결과 중에 사용자가 입력한 와인과 유사한 와인 정보를 상위에 표시할 수 있도록 와인 라벨 이미지와 데이터베이스에 저장되어있는 와인라벨 이미지와의 유사도를 계산하여 유사도가 높은 순으로 표시한다.
  • 본 장에서는 휴대폰 와인 정보 검색 시스템의 구성과 각 단계별 기능을 소개하고 마지막 검색 결과에서의 문제점과 그 문제점을 해결하기 위한 제안방법을 소개한다.
  • 따라서 사용자는 검색 결과 중에서 어떤 와인 정보가 원하는 와인 정보인지를 수동으로 판별해야한다. 이를 해결하기 위해 본 논문에서는 검색어에 의한 다수의 와인정보 검색결과를 사용자에게 제공할 때 휴대폰 카메라로 촬영한 와인영상과 데이터베이스에 저장되어있는 와인영상을 비교하여 이미지의 유사도에 따라 와인 정보를 제공함으로써 사용자의 수동 검색 시간을 줄이고자 한다.
  • 이미지 유사도 측정을 위해서는 이미지를 구분할 수 있는 특징을 추출하여 각 특징의 유사도를 계산해야 한다. 본 논문에서는 와인 이미지의 텍스트 영역검출 단계에서 구한 텍스트 영역을 기준으로 이미지의 특징을 추출한다. 이미지를 여러 개의 셀로 나누어 위치정보를 포함한 색상 특징, 이진화된 텍스트 이미지를 사용한 텍스트 색과 배경색 특징 그리고 이미지의 특징점 분포를 특징으로 사용하여 이미지의 유사도를 계산한다.
  • 이미지 특징 데이터베이스로는 총 1473개를 생성하였다. 본 논문에서의 실험은 카메라로 촬영한 입력영상에서 텍스트 영역을 검출하고 텍스트 인식을 완료한 후 텍스트 검색 결과 이후의 상황에 대한 실험이다. 실험에서 데이터베이스로 사용할 이미지들은 실험 전에 특징추출 모듈을 통해 모든 특징이 추출되어 데이터베이스에 저장되어 있다.
  • 이와 같은 한계점을 해결하고 와인 라벨 검색의 특성을 반영하고자, 본 논문에서는 휴대폰 기반 와인라벨 검색 시스템에서 텍스트 검색 후 다수의 후보 이미지군에서 이미지의 유사도를 계산하여 유사도가 높은 순으로 정렬하여 사용자에게 보여주는 시스템을 제안하였다. 이미지의 유사도를 계산하기 위해 이미지의 특징으로 이미지를 여러 개의 셀로 나누어 각 셀의 대표색상을 추출하고, 텍스트 영역의 이진화 된 결과를 이용하여 텍스트 색과 배경색을 추출하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
색상 공간상의 양자화를 통하여 색상 수를 줄이고 라벨링(labeling)하여 공간 특징을 추출하는 방법의 단점은 무엇인가? [23]는 색상 공간상의 양자화를 통하여 색상 수를 줄이고 라벨링(labeling)하여 공간 특징을 추출하였다. 그러나 양자화하는 과정에서 구간 경계에 있는 색상의 경우 오차가 발생하게 되는 단점과, 양자화 하여 얻은 이미지를 각색상별로 라벨링하여 공간 특징을 도출해 내므로 비용이 높은 단점이 있다. 이러한 문제를 해결하기 위해 T.
이미지 인식 기술은 무엇을 기반으로 발전하고 있는가? 이미지 인식 기술은 영상의 입력, 추출, 해석 기능을 기반으로 주어진 패턴을 탐색, 식별, 판독하여 인식한다[3]. 이미지 인식 기술은 이러한 패턴 인식 알고리즘과 인식엔진을 기반으로 발전하고 있다. 휴대폰 카메라에서 이미지 인식을 위해서는 특징 이미지 영역을 추출하거나 처리 속도 및 다양한 이미지를 인식하는 기술들이 필요하다[4].
이미지 인식 기술은 어떤 기능을 기반으로 주어진 패턴을 탐색, 식별, 판독하여 인식하는가? 뿐만 아니라 휴대폰 카메라를 통한 커뮤니케이션 비중이 증가하여 텍스트 대비 정보 전달 수단으로 사진이나 동영상 비중이 높아지고 있다[2]. 이미지 인식 기술은 영상의 입력, 추출, 해석 기능을 기반으로 주어진 패턴을 탐색, 식별, 판독하여 인식한다[3]. 이미지 인식 기술은 이러한 패턴 인식 알고리즘과 인식엔진을 기반으로 발전하고 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (34)

  1. E. Bruns and O. Bimber, "Adaptive training of video sets for image recognition on mobile phones," Personal and Ubiquitous Computing, Vol.13, pp.165-178, 2009. 

  2. 염희정, 은성종, 황보택근, "휴대단말기 영상에서의 기하학적 정보를 이용한 차량 번호판 인식," 한국콘텐츠학회 논문지, 제10권, 제10호, pp.1-8, 2010. 

  3. K. Liu, Y. Q. Cheng, and J. Y. Yang, "Algebraic feature extraction for image recognition based on an optimal discriminant criterion," Pattern Recognition, Vol.26, pp.903-911, 1993. 

  4. J. Gausemeier, J. Fruend, G, Matysczok, B, Fruederlin, and D, Beier, "Development of a real time image based object recognition method for mobile AR-devices," In Proceedings of Afrigraph, pp.133-139, 2003. 

  5. J. R. Smith and S. F. Chang, "VisualSEEk : A Fully Automated Content-Based Image Query System," ACM Multimedia Conference, pp.87-98, 1996. 

  6. M. Carson, S. Thomas, J. M. Belongie, and J. Malik, "Blobworld : A system for region-based image indexing and retrieval," International Conference on Visual Information Systems, pp.509-516, 1999. 

  7. L. Zhang, F. Lin, and B. Zhang, "A CBIR method based on color-spatial feature," Proceedings of the IEEE Region 10 Conference, Vol.1, pp.166-169, 1999. 

  8. B. G.Prasad, K. K. Biswas, and S. K. Gupta, "Region -based image retrieval using integrated color,shape, and location index," Computer Vision and Image Understanding, Vol.94, pp.193-233, 2004. 

  9. A. F. Smeaton, "Content vs. context for multimedia semantics: The case of SenseCam image structuring," 1st Int. Conf. on Semantics and Digital Media Technologies, pp.1-10, 2006. 

  10. J. Lim, J. H. Lim, and Q. Tian, "Automatic summarization for personal digital photos," Communications and Signal Processing, and the 4th Pacific Rim Conf. on Multimedia, Vol.3, pp.1536-1540, 2003. 

  11. J. H. Lim and Q. Tian, "Home photo content modeling for personalized event-based retrieval," IEEE Multimedia, Vol.10, No.4, pp.28-37, 2003. 

  12. D. Gavilan, "Mobile Image Categorization and Retrieval using Color Blobs," Tokyo Institute of Technology, 2005. 

  13. P. J. Kuo, T. Aoki, and H. Yasuda, "Building personal digital photograph libraries: An approach with ontology-based MPEG7 dozen dimensional digital content architecture," IEEE Proc. Computer Graphics International, pp.482-489, 2004. 

  14. C. C. Venters and M. Cooper, "A Review of Content-based Image Retrieval Systems," Manchester Visualization Centre, JISC Technology Applications, 2000. 

  15. J. Eakins and M. Graham, "Content-based Image Retrieval," Tech. Rep. Technical Report TAP-039, JISC Technology Application, 2000. 

  16. 이현운, 전준철, "Wavelet 변환과 질감 특성을 이용한 내용기반 영상검색," 한국정보처리학회 춘계 학술발표논문집, 제7권, 제1호, pp.13-14, 2000. 

  17. M. Batko, F. Falchi, C. Lucchese, D. Novak, R. Perego, F. Rabitti, J. Sedmidubsky, and P. Zezula. "Crawling, Indexing, and Similarity Searching Images on the Web," In Proceedings of the Sixteenth Italian Symposium on Advanced Database Systems, pp.382-389. 2008. 

  18. M. Batko, D. Novak, V. Dohnal, and P. Zezula. "Scaling up the Image Content-based Retrieval," In Second DELOS Conference - Working Notes. Pisa, Italy: DELOS Network of Excellence, pp.1-10, 2007. 

  19. P. Bolettieri, A. Esuli, F. Falchi, C. Lucchese, R. Perego, T. Piccioli, and F. Rabitti, "CoPhIR: a test collection for content-based image retrieval," CoRR, 2009. 

  20. A Esuli, C. N. delle Ricerche-Italy, "MiPai: using the PP-Index to build an efficient and scalable similarity search system," Second International Workshop on Similarity Search and Applications, pp.146-148, 2009. 

  21. 강문주, 김덕은, 양동일, 최형진, "관심영역 이미지 검색을 위한 ROI 시스템 구현," 전자상거래학회지, 제6권, 제3호, pp.41-60, 2006. 

  22. J. Hafner, H. S. Sawhney, W. Equitz, M. Flickner and W. Niblack, "Efficient Color Histogram Indexing for Quadratic Form Distance Functions," IEEE Transaction on Pattern Analysis and Machine Intelligence, Vol.17, pp,729-736, 1995. 

  23. J. R. Smith and S. F. Chang, "VisualSeek: a fully automated content-based image query system," Proceedings of ACM Multimedia, pp.87-98, 1996. 

  24. T. S. Chua, K. L. Tan and B. C. Qoi, "Fast Signature-based Color-Spatial Image Retrieval," proceedings of the IEEE International Conference on Multimedia Computing and System, pp.362-369, 1997. 

  25. Y. Gong, G. Proietti and C. Faloutsos, "Image Indexing and Retrieval Based on Human Perceptual Color Clustering," IEEE Computer Society Conference on Computer Vision and Pattern Recognition, pp.578-583, 1998. 

  26. W. K. Pratt, Digital Image Processing, 4th Ed., Eastman Kodak Company, Rochester, New York, 2007. 

  27. M. Vlachos, Z. Vagena, P. S. Yu, and V. Athitsos, "Rotation Invariant Indexing of Shapes and Line Drawings," In Proc. of ACM Conf. on Information and Knowledge Management, Bremen, Germany, pp.131-138, Oct. 2005. 

  28. E. Keogh, "Exact Indexing of Dynamic Time Warping," In Proc. the 28th Int'l Conf. on Very Large Data Bases, Hong Kong, pp.406-417, 2002(8). 

  29. E. J. Keogh, L. Wei, X. Xi, M. Vlachos, S. H. Lee, and P. Protopapas, "Supporting Exact Indexing of Arbitrarily Rotated Shapes and Periodic Time Series under Euclidean and Warping Distance Measures," The VLDB Journal, Vol.18, No.3, pp.611-630, 2009. 

  30. R.. S. Hunter and R. W. Harold, The Measurement of Appearance, Wiley Interscience, New York, 1987. 

  31. http://sourceforge.net/projects/opencvlibrary/ 

  32. http://opencv.willowgarage.com/wiki/ 

  33. A. Kaeheler, B. Gary, and K. Adrian, Learning Open CV: Computer Vision with the Open CV Livrary, O'Reilly Media, 2008. 

  34. 오영준, 박광현, 변증남, "템플릿 매칭에 기반한 한글 지문자 인식," 제 20회 신호처리 합동학술대회 논문집, 2007. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

유발과제정보 저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로