[論文レビュー] Content-based image retrieval system with most relevant features among wavelet and color features

Abdolreza Rashno, Elyas Rashno|arXiv (Cornell University)|Feb 6, 2019

Image Retrieval and Classification Techniques参考文献 48被引用数 11

ひとこと要約

本論文は、ウェーブレットに基づく低周波成分のノルムと、複数の色空間（RGBおよびHSV）の色特徴を組み合わせた、頑健な画像表現を実現するコンテンツベース画像検索（CBIR）システムを提案する。特徴選択にはアンチコロニー最適化（ACO）を用い、F-measureを最大化すると同時に特徴数を最小化することで、従来のシステムと比較してコアルデータベースのカテゴリ全体で優れた精度と再現率を達成した。

ABSTRACT

Content-based image retrieval (CBIR) has become one of the most important research directions in the domain of digital data management. In this paper, a new feature extraction schema including the norm of low frequency components in wavelet transformation and color features in RGB and HSV domains are proposed as representative feature vector for images in database followed by appropriate similarity measure for each feature type. In CBIR systems, retrieving results are so sensitive to image features. We address this problem with selection of most relevant features among complete feature set by ant colony optimization (ACO)-based feature selection which minimize the number of features as well as maximize F-measure in CBIR system. To evaluate the performance of our proposed CBIR system, it has been compared with three older proposed systems. Results show that the precision and recall of our proposed system are higher than older ones for the majority of image categories in Corel database.

研究の動機と目的

• 特徴選択に依存するCBIRの結果の感受性を軽減するため、ウェーブレットおよび色特徴の大量プールから最も関連性の高い特徴を同定すること。
• 特徴数を最小限に抑えながらF-measureを最大化することで、コンテンツベース画像検索における検索パフォーマンスを向上させること。
• ウェーブレット変換（低周波成分ノルム）とRGBおよびHSV空間における色特徴を組み合わせたハイブリッド特徴表現を開発すること。
• 標準ベンチマークを用いて、既存のCBIR手法と比較して本システムのパフォーマンスを評価すること。
• ACOに基づく特徴選択が、検索精度と効率性を向上させる有効性を実証すること。

提案手法

• 離散ウェーブレット変換（DWT）からの低周波成分のノルムを、テクスチャに敏感な特徴として抽出する。
• RGBおよびHSV色空間からの色特徴を抽出し、多様な色の特性を捉える。
• データベース内の各画像について、ウェーブレット特徴と色特徴を連結して特徴ベクトルを構築する。
• F-measureを最適化するとともに次元削減を図るために、アンチコロニー最適化（ACO）アルゴリズムを用いて最も関連性の高い特徴サブセットを選択する。
• 検索中に画像の関連性を計算する際、ウェーブレット特徴と色特徴の各タイプに特化した類似度測度を用いる。
• 精度、再現率、F-measureの指標を用いて、コアル画像データベース上で本システムを評価する。

実験結果

リサーチクエスチョン

• RQ1 ウェーブレット特徴と色特徴のどの組み合わせが、CBIRシステムにおいて最高の検索精度を達成するか？
• RQ2 ACOに基づく特徴選択は、CBIRにおいて特徴数を削減しながらF-measureをどのように向上させるか？
• RQ3 ウェーブレット低周波成分ノルムと複数の色空間（RGBおよびHSV）の色特徴を組み合わせたハイブリッド特徴セットは、既存のCBIRシステムを上回る性能を発揮できるか？
• RQ4 提案手法を用いた場合、コアルデータセット内の異なる画像カテゴリにおける精度と再現率はどのように変化するか？
• RQ5 ACOによる特徴次元削減は、検索パフォーマンスと計算効率にどのような影響を与えるか？

主な発見

• 提案されたCBIRシステムは、コアルデータベースの大多数の画像カテゴリにおいて、3つの既存システムと比較して高い精度と再現率を達成した。
• ACOに基づく特徴選択プロセスにより、特徴数を削減しながらもF-measureを維持または向上させることができた。
• ウェーブレット低周波成分ノルムと複数の色空間（RGBおよびHSV）の色特徴の統合により、特徴ベクトルの識別力が向上した。
• 本システムは、多様な画像カテゴリにわたり頑健な性能を示し、強力な一般化能力を示した。
• ウェーブレット特徴と色特徴のドメイン固有の類似度測度の使用が、検索精度の向上に寄与した。
• 結果から、ACOによる特徴の関連性選択が、より効果的で効率的なCBIRシステムを実現できることを確認した。