선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
제안 방법
- 본 논문에서는 식물 검색을 위해 식물의 잎 이미지에서 특징을 추출하여 검색에 홭용하였다. 잎의 외곽선은 개선된 MPP를 알고리즘을 통해 표현값을 추출하였고, 내부의 잎맥은 개선된 CSS1 사용하여 표현값을 추출하였다.
- 잎의 외곽선은 개선된 MPP를 알고리즘을 통해 표현값을 추출하였고, 내부의 잎맥은 개선된 CSS1 사용하여 표현값을 추출하였다. 외곽선과 잎맥의 표현값은 유사도를 계산하여 매칭에 사꾱하였으며, 또한 잎액의 표현값은 점들의 분포를 기반으로 잎맥의 분류에 사용하였다. 이러한 방법을 통刮 기존의 검색 방법보다 검색의 성능을 향상시킬 수 있었다.
- 이미지 표현 알고리즘을 통해 시퀀스를 추출하여 이미지 인덱싱이 이루어지면 사용자가 질의한 이미지가 데이터베이스의 이미지와 얼마나 일치하는지를 계산한다. 이러한 유사도 계산을 통하여 결과 값을 얻어낸 후, 가장 유사한 이미지부터 순서대로 보여준다.
- 이미지 검색은 검색하고자 하는 이미지에 따라 이용되는 특성이 다를 수 있다. 이미지가 흑백 이미지면 질감이나 모양으로 검출하고, 다양한 색상이면 색상값을 이용하여 검출한다. 이 중에 모양은 윤곽을 갖춘 객체를 포함한 이미지라면 검색에 이용할 수 있는 특성이다.
- 그림 4는 잎맥의 추출과 표현의 예를 보이고 있다. 잎맥 검출 알고리즘은 교차점 1, 3, 18, 5, 14, 7, 16, 9, 19(위에서 아래로)과 꿑점 11, 12, 17, 15, 13, 0, 2, 4, 6, 8, 10(시계방향으로)을 검출하고 인접행렬을 구축하였다. 이때, ZI물액의 경우 행렬이 많은 0을 포함하고 있기 때문에 행렬해신 문자형 표현방법으로 트리를 구성한다.
- 본 논문에서는 식물 검색을 위해 식물의 잎 이미지에서 특징을 추출하여 검색에 홭용하였다. 잎의 외곽선은 개선된 MPP를 알고리즘을 통해 표현값을 추출하였고, 내부의 잎맥은 개선된 CSS1 사용하여 표현값을 추출하였다. 외곽선과 잎맥의 표현값은 유사도를 계산하여 매칭에 사꾱하였으며, 또한 잎액의 표현값은 점들의 분포를 기반으로 잎맥의 분류에 사용하였다.
대상 데이터
- 본 논문에서 제안하는 방법을 기존의 방법과 비교 분석하기 위해서 국내에서 자생하고 있는 식물들을 수록하고 있는 대한식물도감[6]어서 1032종의 잎 이미지를 발췌하여 사용하였다. 이를 통해 제안한 알고리즘을 이용하여 실험 데이터에 대해「ecall과 p「ecisi이1을 비교분석하였다.
데이터처리
- 유사도를 계산하기 위해 유클리드 거리를 사용하였으며, 아래의 식 3과 같이 질의한 이미지의 점들(3))과 데이터베이스에 저장된 이미지의 점들(이)과의 거리에서 최소 값을 가지는 거리(氏)를 이용하여 계산하였다.
- 본 논문에서 제안하는 방법을 기존의 방법과 비교 분석하기 위해서 국내에서 자생하고 있는 식물들을 수록하고 있는 대한식물도감[6]어서 1032종의 잎 이미지를 발췌하여 사용하였다. 이를 통해 제안한 알고리즘을 이용하여 실험 데이터에 대해「ecall과 p「ecisi이1을 비교분석하였다.
이론/모형
- 식물의 잎 모양 이미지에서, 식물의 잎은 잎맥을 제외한 잎의 외곽선이 시작점과 끝점이 서로 연결되어있는 폐쇄형(이。secHoop)이므로, 식물의 잎 모양 이미지에 대해 MPP 알고리즘을 적요할 수 있다. MPP 알고리즘은 MATLABI5]으로 구현하였으며, MPP 알고리즘을 식물의 잎이 미치에 적용하면 그림 1과 같은 이미지를 얻을 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.