본 논문에서는 대칭 변환을 지원하는 윤곽선 이미지 매칭 문제를 다룬다. 이미지 매칭에서 이미지의 대칭 변환을 지원하는 것은 직관적이고 정확한 매칭을 위한 매우 중요한 요소이다. 그러나 기존 이미지 매칭에서는 이미지의 회전 변환만 고려하였을 뿐 대칭 변환은 고려하지 않았다. 본 논문에서는 기존 회전-불변 윤곽선 이미지 매칭에 대칭 변환까지 지원하는 대칭-불변 윤곽선 이미지 매칭을 제안한다. 이를 위해, 먼저 이미지 대칭의 개념을 정의하고, 어떠한 대칭각을 사용하더라도 회전-불변 매칭의 결과는 동일함을 정형적으로 증명한다. 또한, 대칭 변환을 위해 이미지 윤곽선으로부터 대칭 시계열을 효율적으로 추출하는 방법을 제안한다. 그런 다음, 이미지를 대칭하여 생성한 대칭 시계열과 원본 이미지 시계열을 직접 대칭하여 생성한 대칭 시계열을 사용한 회전-불변 매칭 결과가 동일함을 정형적으로 증명한다. 실험 결과, 제안하는 대칭-불변 윤곽선 이미지 매칭은 회전 변환만을 지원하는 기존 이미지 매칭에 비해 보다 정확하고 직관적인 결과를 도출하는 것으로 나타났다. 이같은 결과는 대칭-불변 윤곽선 이미지 매칭이 이미지의 대칭 변환 문제를 시계열 도메인에서 해결한 우수한 해결책임을 의미한다.
본 논문에서는 대칭 변환을 지원하는 윤곽선 이미지 매칭 문제를 다룬다. 이미지 매칭에서 이미지의 대칭 변환을 지원하는 것은 직관적이고 정확한 매칭을 위한 매우 중요한 요소이다. 그러나 기존 이미지 매칭에서는 이미지의 회전 변환만 고려하였을 뿐 대칭 변환은 고려하지 않았다. 본 논문에서는 기존 회전-불변 윤곽선 이미지 매칭에 대칭 변환까지 지원하는 대칭-불변 윤곽선 이미지 매칭을 제안한다. 이를 위해, 먼저 이미지 대칭의 개념을 정의하고, 어떠한 대칭각을 사용하더라도 회전-불변 매칭의 결과는 동일함을 정형적으로 증명한다. 또한, 대칭 변환을 위해 이미지 윤곽선으로부터 대칭 시계열을 효율적으로 추출하는 방법을 제안한다. 그런 다음, 이미지를 대칭하여 생성한 대칭 시계열과 원본 이미지 시계열을 직접 대칭하여 생성한 대칭 시계열을 사용한 회전-불변 매칭 결과가 동일함을 정형적으로 증명한다. 실험 결과, 제안하는 대칭-불변 윤곽선 이미지 매칭은 회전 변환만을 지원하는 기존 이미지 매칭에 비해 보다 정확하고 직관적인 결과를 도출하는 것으로 나타났다. 이같은 결과는 대칭-불변 윤곽선 이미지 매칭이 이미지의 대칭 변환 문제를 시계열 도메인에서 해결한 우수한 해결책임을 의미한다.
In this paper we address the symmetric-invariant problem in boundary image matching. Supporting symmetric transformation is an important factor in boundary image matching to get more intuitive and more accurate matching results. However, the previous boundary image matching handled rotation transfor...
In this paper we address the symmetric-invariant problem in boundary image matching. Supporting symmetric transformation is an important factor in boundary image matching to get more intuitive and more accurate matching results. However, the previous boundary image matching handled rotation transformation only without considering symmetric transformation. In this paper, we propose symmetric-invariant boundary image matching which supports the symmetric transformation as well as the rotation transformation. For this, we define the concept of image symmetry and formally prove that rotation-invariant matching of using a symmetric image always returns the same result for every symmetric angle. For efficient symmetric transformation, we also present how to efficiently extract the symmetric time-series from an image boundary. Finally, we formally prove that our symmetric-invariant matching produces the same result for two approaches: one is using the time-series extracted from the symmetric image; another is using the time-series directly obtained from the original image time-series by symmetric transformation. Experimental results show that the proposed symmetric-invariant boundary image matching obtains more accurate and intuitive results than the previous rotation-invariant boundary image matching. These results mean that our symmetric-invariant solution is an excellent approach that solves the image symmetry problem in time-series domain.
In this paper we address the symmetric-invariant problem in boundary image matching. Supporting symmetric transformation is an important factor in boundary image matching to get more intuitive and more accurate matching results. However, the previous boundary image matching handled rotation transformation only without considering symmetric transformation. In this paper, we propose symmetric-invariant boundary image matching which supports the symmetric transformation as well as the rotation transformation. For this, we define the concept of image symmetry and formally prove that rotation-invariant matching of using a symmetric image always returns the same result for every symmetric angle. For efficient symmetric transformation, we also present how to efficiently extract the symmetric time-series from an image boundary. Finally, we formally prove that our symmetric-invariant matching produces the same result for two approaches: one is using the time-series extracted from the symmetric image; another is using the time-series directly obtained from the original image time-series by symmetric transformation. Experimental results show that the proposed symmetric-invariant boundary image matching obtains more accurate and intuitive results than the previous rotation-invariant boundary image matching. These results mean that our symmetric-invariant solution is an excellent approach that solves the image symmetry problem in time-series domain.
본 논문에서 다루는 대칭-불변 윤곽선 이미지 매칭은 다양한 각도에서 촬영된 동일한 이미지에 대해 기존 시계열 매칭에서 다른 이미지로 판단되는 문제를 해결한다. 실제로 카메라를 사용하여 촬영한 이미지를 살펴보면 피사체를 촬영한 위치와 각도에 따라 이미지에 찍힌 피사체의 모양이 각각 다르게 나타나는 것을 알 수 있다.
본 논문에서는 윤곽선 이미지 매칭에서 대칭 변환을 지원하는 대칭-불변 윤곽선 이미지 매칭을 제안하였다. 제안한 기법은 여러 각도에서 촬영된 이미지에 대하여 대칭 변환과 회전 변환을 동시에 지원함으로써 기존 윤곽선 이미지 매칭에 비해 보다 직관적인 매칭 결과를 제공한다.
이러한 시계열 데이터의 예로는 기상데이터, 주식 데이터, 의료 데이터, 이미지 윤곽선 데이터 등이 있다. 본 논문에서는 이중 대용량 이미지 데이터베이스를 대상으로 하는 윤곽선 이미지 매칭 문제를 다룬다. 윤곽선 이미지 매칭은 이미지의 윤곽선을 시계열로 변환한 후, 시계열 매칭 기술을 사용하여 유사 이미지를 찾는 방법이다[7, 9, 10].
가설 설정
본 논문에서는 이미지가 임의의 축에 대칭되는 경우를 가정하고 윤곽선 이미지 매칭 문제를 다룬다. 이 같은 대칭변환은 기존 윤곽선 이미지 매칭에서 다루지 않은 새로운 접근법이다.
제안 방법
즉, 보다 정확하고 직관적인 이미지 매칭을 위해서는 이미지의 회전뿐 아니라 대칭도 함께 고려해야만 한다. 따라서 본 논문에서는 단순한 대칭 변환 이미지 매칭이 아닌 회전 변환을 함께 지원하는 대칭-불변 윤곽선 이미지 매칭을 제안한다. Fig.
하지만, 이미지 도메인 방법과는 다르게 이미지 윤곽선을 나타내는 시계열을 직접 대칭시키므로 매우 간단한 연산만이 요구된다. 따라서 본 논문에서는 시계열 도메인에서의 대칭 변환, 즉 시계열을 직접 대칭 변환하여 대칭 시계열을 생성하는 방법을 사용하며, 이를 회전-불변 이미지 매칭에 활용함으로써, 회전-불변과 대칭-불변을 동시에 지원한다.
본 논문에서는 윤곽선 이미지 매칭에서 대칭 변환을 지원하는 대칭-불변 윤곽선 이미지 매칭을 제안하였다. 제안한 기법은 여러 각도에서 촬영된 이미지에 대하여 대칭 변환과 회전 변환을 동시에 지원함으로써 기존 윤곽선 이미지 매칭에 비해 보다 직관적인 매칭 결과를 제공한다. 본 논문에서는 먼저 이미지 대칭의 개념을 정의하고, 이미지로부터 대칭 시계열을 생성하는 두 가지 방법을 제안하였다.
대상 데이터
9 Linux 운영체제로 동일하다. 데이터 시계열과 질의 시계열은 약 100가지 계열로 이루어진 1만 개 이미지에서 윤곽선을 추출한 후, 이를 길이 360의 시계열로 변환하여 구성하였다[9].
이론/모형
모양 기반의 이미지 매칭에서는 주로 객체의 외부 윤곽선이나 영역을 이용한다[7, 9, 10]. 본 논문에서는 이중 외부윤곽선을 이용하는 간단한 방법인 CCD(Centroid Contour Ddistance) 방법[7, 9]을 활용한다. CCD 방법은 평면 좌표상 이미지의 외부 윤곽선에 대한 중심점을 기준으로 n개 방향의 일정한 각도(∆θ=2π/n)로 나누어 중심점과 외부 윤곽선과의 거리를 계산하여, 이미지를 n-차원 공간의 점으로 매핑 한다.
성능/효과
실험 결과, 본 논문에서 제안한 대칭-불변 윤곽선 이미지 매칭은 기존 회전-불변 윤곽선 이미지 매칭에 비해 보다 직관적이고 정확한 매칭을 수행하는 것으로 나타났다. 또한, 대칭-불변 매칭의 경우 수행시간이 기존 회전-불변 매칭에 비해 상수 배에 불과하여 큰 오버헤드가 되지 않음을 확인하였다.
또한, 어떠한 대칭각을 사용하더라도 회전-불변 매칭의 결과는 동일함을 정형적으로 증명하였다. 실험 결과, 제안하는 대칭-불변 윤곽선 이미지 매칭은 기존 회전-불변 매칭에 비해 약 1.7배의 추가 시간이 발생하나 10%이상의 정확하고 직관적인 결과를 도출하는 것으로 나타났다. 이 같은 결과로 볼때, 제안하는 대칭-불변 매칭은 기존 윤곽선 이미지 매칭에서 해결하지 못한 대칭 변환 문제를 시계열 도메인에서 해결하는 우수한 접근법이라 사료된다.
또한, 대칭-불변 매칭의 경우 수행시간이 기존 회전-불변 매칭에 비해 상수 배에 불과하여 큰 오버헤드가 되지 않음을 확인하였다. 이 같은 결과로 볼 때, 본 논문의 대칭-불변 이미지 매칭은 윤곽선 이미지 처리에 있어서 중요한 회전과 대칭변환을 동시에 지원하는 우수한 방법이라 사료된다. 특히, 이미지 도메인의 문제를 시계열 도메인[3, 5]에서 해결했다는 점에서 매우 새로운 접근법이라 할 수 있다.
후속연구
또한, 제안한 기법은 기존 회전-불변 매칭의 프레임워크에 대칭 변환을 적용한 것으로서 그 구현이 용이하고, 추후 회전이나 대칭 변환뿐 아니라 다른 변환으로의 확장도 용이한 장점이 있다. 향후연구로는 스케일-불변 매칭에 대한 대칭 변환과 노이즈 제거 매칭에 대한 대칭 변환 문제를 연구할 예정이다.
질의응답
핵심어
질문
논문에서 추출한 답변
이미지 매칭에서 이미지 대칭 변환을 지원하는 것이 매우 중요한 요소인 이유는?
본 논문에서는 대칭 변환을 지원하는 윤곽선 이미지 매칭 문제를 다룬다. 이미지 매칭에서 이미지의 대칭 변환을 지원하는 것은 직관적이고 정확한 매칭을 위한 매우 중요한 요소이다. 그러나 기존 이미지 매칭에서는 이미지의 회전 변환만 고려하였을 뿐 대칭 변환은 고려하지 않았다.
본 논문의 대칭-불변 윤곽선 이미지 매칭은 기존의 어떤 문제점을 개선하기 위해 제안되었는가?
이미지 매칭에서 이미지의 대칭 변환을 지원하는 것은 직관적이고 정확한 매칭을 위한 매우 중요한 요소이다. 그러나 기존 이미지 매칭에서는 이미지의 회전 변환만 고려하였을 뿐 대칭 변환은 고려하지 않았다. 본 논문에서는 기존 회전-불변 윤곽선 이미지 매칭에 대칭 변환까지 지원하는 대칭-불변 윤곽선 이미지 매칭을 제안한다.
시계열 매칭이란?
시계열 매칭은 사용자에 의해 주어진 질의 시계열과 시계열데이터베이스에 저장된 데이터 시계열을 비교하여 질의 시계열과 유사한 데이터 시계열을 찾는 작업이다[7, 9, 14]. 시계열 매칭에는 유클리디안(Euclidean) 거리[7, 9], DTW(DynamicTime Warping) 거리[17], Edit 거리[18] 등이 유사 척도로 사용된다.
참고문헌 (19)
G. Navarro, "Spaces, Trees, and Colors: The Algorithmic Landscape of Document Retrieval on Sequences," ACM Computing Surveys, Vol.46, No.4, Article 52, Mar., 2014.
J. Kumar, P. Ye, and D. Doermann, "Structural Similarity for Document Image Classification and Retrieval," Pattern Recognition Letters, Vol.43, pp.119-126, July, 2014.
Z. Xu, K. Cheng, Y. Ding, Z. Tian, and H. Zhao, "A Multiple Genome Sequence Matching Based on Skipping Tree," Int'l Journal of Machine Learning and Computing, Vol.5, No.1, pp.78-85, Feb., 2015.
R. Agrawal, C. Faloutsos, and A. Swami, "Efficient Similarity Search in Sequence Databases," in Proc. of the 4th Int'l Conf. on Foundations of Data Organization and Algorithms, Chicago, Illinois, pp.69-84, Oct., 1993.
Y.-S. Moon, K.-Y. Whang, and W.-S. Han, "General Match: A Subsequence Matching Method in Time-Series Databases Based on Generalized Windows," in Proc. of Int'l Conf. on Management of Data, ACM SIGMOD, Madison, Wisconsin, pp.382-393, June, 2002.
B.-S. Kim, Y.-S. Moon, M.-J. Choi, and J. Kim, "Interactive Noise-Controlled Boundary Image Matching Using the Time-Series Moving Average Transform," Multimedia Tools and Applications, Vol.72, No.3, pp.2543-2571, Oct., 2014.
J. Han, M. Kamber, and J. Pei, "Data Mining: Concepts and Techniques," 3rd Ed., Morgan Kaufmann, 2011.
Y.-S. Moon, B.-S. Kim, M. S. Kim, and K.-Y. Whang, "Scaling-Invariant Boundary Image Matching Using Time-Series Matching Techniques," Data & Knowledge Engineering, Vol.69, No.10, pp.1022-1042, Oct. 2010.
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.
S. R. Arashloo, "Multiscale Binarised Statistical Image Features for Symmetric Face Matching Using Multiple Descriptor Fusion Based on Class-Specific LDA," Pattern Analysis and Applications, May, 2015. (Published online).
C. Carlet, G. Gao, and W. Liu, "A Secondary Construction and a Transformation on Rotation Symmetric Functions, and Their Action on Bent and Semi-Bent Functions," Combinatorial Theory, Series A, Vol.127, pp.161-175, Sept., 2014.
G. C. Oscos, T. M. Khoshgoftaar, and R. Wald, "Rotation Invariant Face Recognition Survey," in Proc. of the 15th Int'l Conf. on Information Reuse and Integration, Redwood City, California, pp.835-840, Aug., 2014.
G. Lian, "Rotation Invariant Color Texture Classification Using Multiple Sub-DLBPs," Visual Communication and Image Representation, Vol.31, pp.1-13, Aug., 2015.
W.-S. Han, J. Lee, Y.-S. Moon, S.-W. Hwang, and H. Yu, "A New Approach for Processing Ranked Subsequence Matching Based on Ranked Union," in Proc. of Int'l Conf. on Management of Data, ACM SIGMOD, Athens, Greece, pp.457-468, June, 2011.
M. Pawlik and N. Augsten, "A Memory-Efficient Tree Edit Distance Algorithm," in Proc. of the 25th Int'l Conf. on Database and Expert Systems Applications, Munich, Germany, Part I, pp.196-210, Sept., 2014.
W.-K. Loh, S.-P. Kim, S.-K. Hong, and Y.-S. Moon, "Envelope-based Boundary Image Matching for Smart Devices Under Arbitrary Rotations," Multimedia Systems, Vol.21, Issue.1, pp.29-47, Feb., 2015.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.