[논문 리뷰] A Novel Approach to Texture classification using statistical feature

B. Vijayalakshmi, V. Subbiah Bharathi|arXiv (Cornell University)|2011. 11. 10.

Image Retrieval and Classification Techniques참고 문헌 27인용 수 5

한 줄 요약

이 논문은 국소 이진 패턴(LBP), 텍스처 스펙트럼, 레지오드르 모멘텀을 조합하여 기능 표현을 향상시키는 새로운 텍스처 분류 방법을 제안한다. 고주파 텍스처 성분을 추출하고, 유사도 측정에 유클리드 거리를 사용함으로써, 기준 데이터셋에서 97.77%의 정확도를 달성하여 콘텐츠 기반 이미지 검색에서 뛰어난 성능을 보였다.

ABSTRACT

Texture is an important spatial feature which plays a vital role in content based image retrieval. The enormous growth of the internet and the wide use of digital data have increased the need for both efficient image database creation and retrieval procedure. This paper describes a new approach for texture classification by combining statistical texture features of Local Binary Pattern and Texture spectrum. Since most significant information of a texture often appears in the high frequency channels, the features are extracted by the computation of LBP and Texture Spectrum and Legendre Moments. Euclidean distance is used for similarity measurement. The experimental result shows that 97.77% classification accuracy is obtained by the proposed method.

연구 동기 및 목표

• 콘텐츠 기반 이미지 검색 시스템에서 텍스처 분류 정확도를 향상시키기 위해.
• 디지털 이미지에서 분류 가능한 텍스처 특징을 효율적으로 추출하는 과제를 해결하기 위해.
• 다양한 통계적 텍스처 특징을 융합하여 표현 능력과 분류 성능를 향상시키기 위해.
• 일반적으로 중요한 분류 정보를 담고 있는 고주파 성분을 활용하기 위해.
• 계산 비용이 낮은 특징 융합 및 기반 거리 기반 매칭 전략을 사용하여 높은 분류 정확도를 달성하기 위해.

제안 방법

• 국소 이진 패턴(LBP) 특징을 추출하여 국소적 텍스처 패턴을 캡처한다.
• 텍스처 스펙트럼을 계산하여 텍스처의 주파수 도메인 특성을 분석한다.
• 레지오드르 모멘텀을 사용하여 텍스처 이미지에서 고차원 통계적 특징을 추출한다.
• 세 가지 특징 집합—LBP, 텍스처 스펙트럼, 레지오드르 모멘텀—을 하나의 특징 벡터로 융합한다.
• 유사도 측정을 위해 유클리드 거리를 적용하여 특징 벡터 간의 유사도를 측정한다.
• 융합된 특징 표현에 기반하여 최근접 이웃 기반의 분류를 수행한다.

실험 결과

연구 질문

• RQ1 LBP, 텍스처 스펙트럼, 레지오드르 모멘텀의 융합이 텍스처 분류 정확도를 향상시킬 수 있는가?
• RQ2 공간 도메인과 주파수 도메인의 텍스처 특징 조합이 텍스처 클래스를 구분하는 데 얼마나 효과적인가?
• RQ3 텍스처의 고주파 성분이 분류 성능에 기여하는 정도는 어느 정도인가?
• RQ4 제안된 방법이 기존의 통계적 텍스처 분류 기법보다 뛰어난가?
• RQ5 풍부한 특징 융합과 함께 단순한 거리 측정 기법인 유클리드 거리가 높은 정확도를 달성할 수 있는가?

주요 결과

• 제안된 방법은 테스트 데이터셋에서 97.77%의 분류 정확도를 달성한다.
• LBP, 텍스처 스펙트럼, 레지오드르 모멘텀의 융합은 특징의 구분 능력을 크게 향상시킨다.
• 텍스처 스펙트럼을 통해 추출한 고주파 성분은 분류 성능에 의미 있는 기여를 한다.
• 레지오드르 모멘텀의 사용은 전반적인 텍스처 구조 표현을 향상시킨다.
• 다양한 통계적 특징의 조합은 단일 특징 접근 방식보다 분류 성능에서 뛰어나다.
• 간단한 유클리드 거리 분류기와 함께 사용할 때, 이 방법은 높은 강건성과 효율성을 보였다.