[논문]웨이브렛 변환과 영역 분류를 이용한 영상 검색

황도연; 유강수; 박영석; 박정호; 곽훈성

웨이브렛 변환과 영역 분류를 이용한 영상 검색
Image Retrieval using the wavelet transform and region classification 원문보기

황도연 (전북대학교 컴퓨터공학과) , 유강수 (전북대학교 컴퓨터공학과) , 박영석 (전북대학교 컴퓨터공학과) , 박정호 (전북대학교 컴퓨터공학과) , 곽훈성 (전북대학교 컴퓨터공학과)

본 논문에서는 원 영상의 영역 분류와 웨이브렛 변환을 이용하여 영상의 밝기 변화에 관계없이 영상 검색이 가능한 알고리즘을 제안하였다. 이러한 방식을 통해 영상 전체에 대해 검색이 수행되지 않고, 영역 분류 결과인 블록맵과 변환 대역에서의 분산값 등 매우 소량의 정보만을 저장하고 이를 기반으로 영상 검색이 수행되므로 매우 빠르고 효과적인 검색이 가능함을 실험을 통해 확인하였다.

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

문제 정의

본 논문에서는 동일하거나 유사한 영상을 검색하기 위하여 영상의 특징을 나타내어 주는 블록맵 추출과 웨이브렛 변환을 이용하여 영상을 검색하고자 하였다.

가설 설정

본 논문에서는 제안한 방식이 같은 형태의 영상을 서로 다른 환경에서 얼마나 잘 검색할 수 있는지를 평가하기 위하여 그림 3과 같은 'couple' 영상을 이용하였다. 그림 3의 (a) 는 원 영상이며, (b) 는 밝기를 약 30% 높인 것이며, (c) 는 밝기를 30% 감소하였고 (d) 영상은 5% 높인 것이다.
그림 1은 본 논문에서 제안한 영역 분류를 이용한 영상 검색 시스템의 블록 도를 나타낸 것이다. 사전에 블록 맵(block map: BM) 데이터베이스와 웨이브렛 변환 후 각 대역별 에너지(Wavelet Transformed Energy: WT-E) 데이터베이스는 구축되어 있는 것으로 가정한다.

제안 방법

영상 검색 시 사용되는 대상 또한 에지 영역이 된다. 본 논문에서 제안한 영상 검색은 이러한 사실에 기반을 두고 가장 먼저 2개의 영역으로 분류하는 과정을 수행하였다. 이를 위해 원 영상을 일정 크기(2“ X 2, 의 블록으로 분해하고, 각 블록의 표준편차를 구한 다음 주어진 문턱치 값을 기준으로 2개의 그룹으로 분류하였다.
본 논문에서는 먼저 블록 맵 (Block Map)을 생성하여 1차 후보 영상을 추출하고 추출된 후보 영상을 웨이브렛 변환(Wavelet Transform) 후, 대역별로 분산 값을 추출한 후, 영상의 내용 기반 검색을 수행하였다.
영상검색을 위해 공간영역에서 영상의 특성을 검출하기 위해 영역분류를 수행하여 그 특징점인 블록맵을 데이터베이스에 저장하여 이를 1차 검색 요소로 사용하였고, 영상에서의 밝기 변화가 변환대역에서는 영향을 미치지 않는다는 특성을 이용하여 이를 2차 검색을 위한 기준으로 사용하였다. 실험 결과 같은 영상인 경우 영상의 밝기 변화에 관계없이 적응적으로 동작하여 좋은 결과를 얻을 수 있음을 확인하였다.
즉, 질의 영상과 데이터베이스에 저장된 이들 블록 맵의 정합을 통해 일정 수준 이상 정합도가 일치한다면 질의 영상과 유사한 영상으로 판정할 수 있게 된다. 이러한 정합도를 구하기 위해 일대일 정합과 전체 영역에서 에지 영역이 차지하는 비율 두 가지 모두를 이용하였다. 일대일 정합은 주 어진 블록 맵과의 유사성을 얻기 위해 사용되지만 영상이 이동하거나 변화가 있을 경우 정확성을 기하지 못한다는 문제점이 있다.
따라서 각 대역에서의 분산 값을 조사함으로써 밝기 변화에 적응적인 결과를 나타내는 시스템을 구현할 수 있다. 이를 위해 각 대역별 분산 값을 구하여 데이터베이스에 저장한 후, 질의 영상의 웨이브렛 변환 대역의 분산 값을 구한 다음 같은 대역 간 분산 값을 비교하여 주어진 오차 범위 내에 위치한 영상을 선택하게 된다. 실제로 같은 영상이지만 밝기가 다른 영상은 이러한 방식으로 검색하는 것이 가능하게 된다.
본 논문에서 제안한 영상 검색은 이러한 사실에 기반을 두고 가장 먼저 2개의 영역으로 분류하는 과정을 수행하였다. 이를 위해 원 영상을 일정 크기(2“ X 2, 의 블록으로 분해하고, 각 블록의 표준편차를 구한 다음 주어진 문턱치 값을 기준으로 2개의 그룹으로 분류하였다. 본 논문에서 사용된 문턱치 값은 15가 주어졌으며 이는 문헌 [2] 에 의거하였다.

대상 데이터

본 논문에서는 제안한 방식이 같은 형태의 영상을 서로 다른 환경에서 얼마나 잘 검색할 수 있는지를 평가하기 위하여 그림 3과 같은 'couple' 영상을 이용하였다. 그림 3의 (a) 는 원 영상이며, (b) 는 밝기를 약 30% 높인 것이며, (c) 는 밝기를 30% 감소하였고 (d) 영상은 5% 높인 것이다.

성능/효과

영상검색을 위해 공간영역에서 영상의 특성을 검출하기 위해 영역분류를 수행하여 그 특징점인 블록맵을 데이터베이스에 저장하여 이를 1차 검색 요소로 사용하였고, 영상에서의 밝기 변화가 변환대역에서는 영향을 미치지 않는다는 특성을 이용하여 이를 2차 검색을 위한 기준으로 사용하였다. 실험 결과 같은 영상인 경우 영상의 밝기 변화에 관계없이 적응적으로 동작하여 좋은 결과를 얻을 수 있음을 확인하였다. 그러나 잡음이 첨가된 영상 등에 대한 연구가 필요하다.

원문 보기

ScienceON 원문보기

*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.

내보내기 메뉴

내보내기 구분

파일저장
인쇄
메일전송

구성항목

기본정보
상세정보

관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관

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

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].

AI-Helper ※ AI-Helper는 을 사용합니다.

AI-Helper

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

연합인증

웨이브렛 변환과 영역 분류를 이용한 영상 검색
Image Retrieval using the wavelet transform and region classification 원문보기

초록
AI-Helper