[論文レビュー] Color Image Clustering using Block Truncation Algorithm

Sanjay Silakari, Mahesh Motwani+1 more|ArXiv.org|Oct 9, 2009

Image Retrieval and Classification Techniques参考文献 16被引用数 61

ひとこと要約

本稿では、特徴抽出にブロック量子化符号化（BTC）とカラーモーメントを用いたカラー画像クラスタリングフレームワークを提案する。その後、視覚的類似性に基づいて画像をグループ化するためのK-平均法を適用する。BTCの効率的圧縮とカラーモーメントに基づく特徴の組み合わせにより、低レベルの視覚的特徴を用いて効果的な教師なしグループ化が実現され、クラスタリング性能が向上している。

ABSTRACT

With the advancement in image capturing device, the image data been generated at high volume. If images are analyzed properly, they can reveal useful information to the human users. Content based image retrieval address the problem of retrieving images relevant to the user needs from image databases on the basis of low-level visual features that can be derived from the images. Grouping images into meaningful categories to reveal useful information is a challenging and important problem. Clustering is a data mining technique to group a set of unsupervised data based on the conceptual clustering principal: maximizing the intraclass similarity and minimizing the interclass similarity. Proposed framework focuses on color as feature. Color Moment and Block Truncation Coding (BTC) are used to extract features for image dataset. Experimental study using K-Means clustering algorithm is conducted to group the image dataset into various clusters.

研究の動機と目的

• 大規模なカラー画像の集合を意味のあるクラスタにグループ化し、効率的なコンテンツベースの画像検索を実現する課題に対処すること。
• 教師なし学習においてカラーデータを主な視覚的特徴として活用することで、クラスタリングの正確性を向上させること。
• カラーモーメントとブロック量子化符号化（BTC）を組み合わせることで、強固な画像特徴表現が可能かどうかを検証すること。
• 提案された特徴抽出パイプラインを用いて、K-平均法クラスタリングの性能を画像データセット上で評価すること。

提案手法

• 各画像から、赤（R）、緑（G）、青（B）の各色チャネルの平均、標準偏差、歪度を用いて、グローバルなカラーディストリビューションを表現するカラーモーメントが抽出される。
• ブロック量子化符号化（BTC）を用いて、画像ブロックを圧縮し、主要なカラーデータを保持する。これにより、コンactな表現が得られる。
• カラーモーメントとBTCから抽出された特徴が統合され、1枚の画像ごとに1つの特徴ベクトルが生成される。
• K-平均法クラスタリングが特徴ベクトルに適用され、色の特性における類似性に基づいて画像がクラスタにグループ化される。
• クラスタリングプロセスは、クラス内類似性を最大化し、クラス間類似性を最小化することを目的としており、概念的クラスタリングの原則に従う。
• 標準的なクラスタリング評価指標を用いて、画像データセット上でこの手法の性能が評価されているが、抽象には具体的な指標は記載されていない。

実験結果

リサーチクエスチョン

• RQ1 カラーモーメントとブロック量子化符号化の組み合わせが、カラー画像クラスタリングのための特徴表現を向上させることができるか？
• RQ2 BTCとカラーモーメント特徴を用いた画像データセットにK-平均法クラスタリングを適用した場合、その有効性はいかほどか？
• RQ3 提案された特徴抽出手法は、個別の特徴を用いた場合と比較して、クラスタリング性能を向上させるか？
• RQ4 この手法は、クラスタ化されたグループにおける視覚的類似性をどの程度保持しているか？

主な発見

• カラーモーメントとブロック量子化符号化の統合により、カラー画像クラスタリングに適したコンパクトで効果的な特徴表現が得られた。
• 提案手法は、視覚的色の類似性に基づいて画像を意味のあるクラスタに効果的にグループ化できた。
• 統合された特徴ベクトルにK-平均法クラスタリングを適用した結果、安定的かつ一貫性のあるクラスタリング結果が得られた。
• 本フレームワークは、低レベルの視覚的特徴を用いた教師なしカラー画像クラスタリングにおいて、計算的にも効率的なアプローチを提供した。