[논문]내용기반 검색을 위한 분할된 영상객체간 유사도 판별

유헌우; 장동식

문제 정의

컴퓨터와 통신기술의 발달에 따른 많은 양의 영상데 이 터가 생성되고 저장됨에 따라 이러한 데이터를 효율적으로 저장, 검색하는 툴의 개발이 필요하게 되었다. 본 논문에서는 내 용기반영 상 검색 방법을 다룬다.
본 논문에서는 영상의 객체에 기반한 검색 방법을 제 안 하였다. 현재는 제안된 알고리즘을 보다 많은 영상을 가지고 테스트/분석 중에 있으며 이러한 영상검색이 보다 효과적이기 위해 견실한 영상분할 알고리즘이 필수이므로 보다 강인한 객체 분할기법에 대한 연구가 진행 중이다.
따라서 영상의 지역적 정보도 표현할 수 있도록 한 연구가 주목받고 있다[1, 2, 3]. 본 논문에서는 이러한 객체기반검색 방법에 대해 다룬다. 먼저 색상과 질감 정보가 동일한 영역을 VQ(Vector Quantization) 알고리즘[4]을 이용해 군집화 함으로써 동일한 영역을 추출하는 새로운 영상분할 기법을 제안하고, 분할 후에 분할에 사용된 색상과 질 감정 보를 각 객체에서 추출하여 이 정보를 가지고 객체 간 유사도를 판별하여 영상을 검색한다.

제안 방법

내용 기반 영상검색 측면에서도 영상 내에 존재하는 잡음은 영상을 적절히 표현하는데 방해가 되므로 본 연구에서는 5X5의 블록을 원 영상에 적용하여 R, G, B 각각의 채널에 대해 중간필터(Median Filter)를 적용하. 여 제거한 후 모폴로지 기법을 통해 영상의 세밀한 부분을 축약적으로 표현하였다.
다대다 매칭의 경우에도 일대다와 비슷한 필터링 (Filtering)과정을 거친 후 유사도를 비교한다.
영상검색 시에 는 질의 영상의 관심객체와 비교 대상이 되는 데이터베이스 영상의 여러 객체와의 유사성을 판단하여 영상 간의 유사도를 계산하는 일대다 매칭 방법과 질의 영상의 여러 객체와 데이터베이스 영상의 여러 객체 간의 유사도를 판단하는 다대다 매칭 방법을 제안한다. 또한, 제안된 시스템은 고속검색을 실현하기 위해 주요한 색상 값을 키 (Key)화해서 유사성이 없는 영상들은 1차적으로 제거함으로써 검색 시간을 줄일 수 있도록 했다.
본 논문에서는 이러한 객체기반검색 방법에 대해 다룬다. 먼저 색상과 질감 정보가 동일한 영역을 VQ(Vector Quantization) 알고리즘[4]을 이용해 군집화 함으로써 동일한 영역을 추출하는 새로운 영상분할 기법을 제안하고, 분할 후에 분할에 사용된 색상과 질 감정 보를 각 객체에서 추출하여 이 정보를 가지고 객체 간 유사도를 판별하여 영상을 검색한다. 이때 사용되는 색상의 범위를 몇 개의 주요한 색상으로 표시하기 위해 색상 테이블을 사용하고 인간의 인지도에 의해 다시 구룹화 함으로써 영상 분할 시의 계산량을 줄이고 색 인할 때 데이터 저장의 효율성을 높인다.
축약적 영상 분할을 위해서 영상 내의 색상을 몇 개의 주요한(Dominant) 한 색상만으로 표현하는 것이 중요하다. 본 논문에서는 검색의 적합성을 유지하면서 적절한 색상 수를 표현하기 위해 표 1과 같은 기본 색상표를 설계한 후 이 27개의 색상에 대해 다시 인간의 인지도에 의해 구룹핑을 통해 유사한 색상을 모은다(그림 1).
수평 방향과 수직 방향으로 한 화소씩 이동을 하면서 그 그레이 값의 변화를 측정한다. 만약 7X7블록에서 사 용자가 임의로 정한 임계 값(Threshold o)의 범위를 넘는다면 그 빈도값을 하나씩 중가시킨다ver(i.
내용 기반 영상검색 측면에서도 영상 내에 존재하는 잡음은 영상을 적절히 표현하는데 방해가 되므로 본 연구에서는 5X5의 블록을 원 영상에 적용하여 R, G, B 각각의 채널에 대해 중간필터(Median Filter)를 적용하. 여 제거한 후 모폴로지 기법을 통해 영상의 세밀한 부분을 축약적으로 표현하였다.
영상 내의 객체를 적절히 분할하기 위해서 VQ 기법을 통해 이전에 추출한 색상과 질감의 4차원 정보를 입력 벡터로 받아 벡터 공간상에 점으로 표현하고 이점들의 집합을 거리상 비슷한 부류끼리 군집화(Clustering)함으로써 영상의 객체를 분할한다(그림 2 참조).
이때 사용되는 색상의 범위를 몇 개의 주요한 색상으로 표시하기 위해 색상 테이블을 사용하고 인간의 인지도에 의해 다시 구룹화 함으로써 영상 분할 시의 계산량을 줄이고 색 인할 때 데이터 저장의 효율성을 높인다. 영상검색 시에 는 질의 영상의 관심객체와 비교 대상이 되는 데이터베이스 영상의 여러 객체와의 유사성을 판단하여 영상 간의 유사도를 계산하는 일대다 매칭 방법과 질의 영상의 여러 객체와 데이터베이스 영상의 여러 객체 간의 유사도를 판단하는 다대다 매칭 방법을 제안한다. 또한, 제안된 시스템은 고속검색을 실현하기 위해 주요한 색상 값을 키 (Key)화해서 유사성이 없는 영상들은 1차적으로 제거함으로써 검색 시간을 줄일 수 있도록 했다.
영상을 분할한 후 각 객체를 나타내는 정보는 객체의 구분표(ID Number), 객체의 색상(Group Number), 질감 정보, 객체의 크기(객체 내에 존재하는 화소의 개 수가 전체영상에 비해 차지하는 비율로 나타냄), 그리고 영역의 위치정보(영역을 둘러싸는 사각형의 좌표를 사용한다) 등을 이용한다. 그림 3의 독수리 영상에 대한 각 객체의 특징정보는 그림 4와 5에 나타나 있다.
영상의 관심객체들을 선정하여 해당 객체가 들어 있는 영상을 검색해 내도록 실험하였다. 그림 7은 치타 객체에 대해 검색한 검색 결과를 보여준다
먼저 색상과 질감 정보가 동일한 영역을 VQ(Vector Quantization) 알고리즘[4]을 이용해 군집화 함으로써 동일한 영역을 추출하는 새로운 영상분할 기법을 제안하고, 분할 후에 분할에 사용된 색상과 질 감정 보를 각 객체에서 추출하여 이 정보를 가지고 객체 간 유사도를 판별하여 영상을 검색한다. 이때 사용되는 색상의 범위를 몇 개의 주요한 색상으로 표시하기 위해 색상 테이블을 사용하고 인간의 인지도에 의해 다시 구룹화 함으로써 영상 분할 시의 계산량을 줄이고 색 인할 때 데이터 저장의 효율성을 높인다. 영상검색 시에 는 질의 영상의 관심객체와 비교 대상이 되는 데이터베이스 영상의 여러 객체와의 유사성을 판단하여 영상 간의 유사도를 계산하는 일대다 매칭 방법과 질의 영상의 여러 객체와 데이터베이스 영상의 여러 객체 간의 유사도를 판단하는 다대다 매칭 방법을 제안한다.
이때 사용되는 입력 벡터는 요소 간(R, G, B, 질감 특징 치)에 값의 범위가 차이가 나므로 정규화를 실시하였다. 그림 3은 원래 영상과 VQ를 이용하여 영상을 분할한 후의 영상들 올 보여주고 있다.
질감(Texture) 정보를 각 영상마다 7x7블록을 씌워서 그 변화의 유형을 조사함으로써 추출하였다. STEP 1:

대상 데이터

실험을 위해 사용된 영상은 모두 2,000장이며 동물, 자연풍경, 꽃등으로 구성되었다. 유사도 판단은 검색 결과 유사한지의 여부를 사람이 의미적으로 파악하여 판단하였다.

후속연구

현재는 제안된 알고리즘을 보다 많은 영상을 가지고 테스트/분석 중에 있으며 이러한 영상검색이 보다 효과적이기 위해 견실한 영상분할 알고리즘이 필수이므로 보다 강인한 객체 분할기법에 대한 연구가 진행 중이다. 또한 객체 분할 후 객체의 모양 정보를 효과적으로 표현하고 색인하는 방법도 추후 연구과제로 생각하고 있다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
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

연합인증

[국내논문] 내용기반 검색을 위한 분할된 영상객체간 유사도 판별
Computing Similarities between Segmented Objects in the image for Content-Based Retrieval 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 내용기반 검색을 위한 분할된 영상객체간 유사도 판별 Computing Similarities between Segmented Objects in the image for Content-Based Retrieval 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 내용기반 검색을 위한 분할된 영상객체간 유사도 판별
Computing Similarities between Segmented Objects in the image for Content-Based Retrieval 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper