[논문 리뷰] Content Based Image Indexing and Retrieval

Avinash Bhute, B. B. Meshram|arXiv (Cornell University)|2014. 01. 08.

Image Retrieval and Classification Techniques참고 문헌 14인용 수 65

한 줄 요약

이 논문은 에지 검출을 통해 추출한 색상, 텍스처, 형상 특징을 활용하여 효율적인 특징 표현을 위한 콘텐츠 기반 이미지 검색 시스템을 제안한다. 이 시스템은 검색 속도를 향상시키기 위해 반극점 트리 인덱싱 구조를 사용하며, 표준 벤치마크 데이터셋을 사용한 이미지 검색 작업에서 향상된 속도와 정확도를 달성한다.

ABSTRACT

In this paper, we present the efficient content based image retrieval systems which employ the color, texture and shape information of images to facilitate the retrieval process. For efficient feature extraction, we extract the color, texture and shape feature of images automatically using edge detection which is widely used in signal processing and image compression. For facilitated the speedy retrieval we are implements the antipole-tree algorithm for indexing the images.

연구 동기 및 목표

• 시각적 특징을 활용하여 빠르고 정확한 검색을 지원하는 효율적인 콘텐츠 기반 이미지 검색 시스템을 개발하는 것.
• 색상, 텍스처, 형상 특징을 통합하여 종합적인 이미지 표현을 구현하는 것.
• 최적화된 인덱싱 구조를 통해 검색 속도를 향상시키는 것.
• 표준 이미지 검색 벤치마크를 사용하여 시스템 성능을 평가하는 것.
• 에지 검출이 이미지 검색에서 자동 특징 추출에 어떻게 기여하는지 효과적으로 입증하는 것.

제안 방법

• 색상 특징은 이미지의 주된 색상을 표현하기 위해 색상 히스토그램 기법을 사용하여 추출된다.
• 텍스처 특징은 에지 검출을 통해 이미지 영역 내 강도 변화와 패턴을 식별함으로써 유도된다.
• 형상 특징은 에지 기반 윤곽 검출을 통해 객체 경계를 기술한다.
• 추출된 특징을 빠른 유사도 검색을 위해 반극점 트리 알고리즘을 적용하여 인덱싱한다.
• 색상, 텍스처, 형상 특징을 조합한 특징 벡터가 반극점 트리 인덱스의 입력으로 사용된다.
• 특징 벡터 간의 유사도를 기반으로 k-최근접 이웃 접근 방식을 사용하여 검색을 수행한다.

실험 결과

연구 질문

• RQ1 색상, 텍스처, 형상 특징를 콘텐츠 기반 이미지 검색에 효과적으로 융합하는 방법은 무엇인가?
• RQ2 에지 검출이 이미지 검색의 특징 추출에 얼마나 기여하는가?
• RQ3 반극점 트리 인덱싱 구조는 정확도를 희생시키지 않고 검색 시간을 크게 단축시킬 수 있는가?
• RQ4 기본 방법 대비 제안된 시스템의 검색 성능은 어떻게 비교되는가?
• RQ5 특징 융합이 검색 정밀도와 재현율에 미치는 영향은 무엇인가?

주요 결과

• 제안된 시스템은 효율적인 반극점 트리 인덱싱 구조 덕분에 더 빠른 검색 시간을 달성한다.
• 에지 검출은 텍스처 및 형상 특징의 강력하고 자동적인 추출을 가능하게 한다.
• 색상, 텍스처, 형상 특징의 융합은 개별 특징을 사용하는 것보다 검색 정확도를 향상시킨다.
• 시스템은 IJGIP 2013 저널에 보고된 바와 같이 표준 이미지 검색 벤치마크에서 뛰어난 성능을 보였다.
• 반극점 트리 구조는 검색 복잡도를 감소시켜 대규모 이미지 데이터베이스에서의 확장 가능한 검색을 가능하게 한다.
• 다양한 테스트 데이터셋에서 정밀도와 재현율 모두 일관된 향상이 관찰되었다.