[논문 리뷰] Content-based image retrieval system with most relevant features among wavelet and color features

Abdolreza Rashno, Elyas Rashno|arXiv (Cornell University)|2019. 02. 06.

Image Retrieval and Classification Techniques참고 문헌 48인용 수 11

한 줄 요약

이 논문은 파형기반 저주파수 노름과 다중 도메인 색상 특징(RGB 및 HSV)을 조합하여 강력한 이미지 표현을 위한 콘텐츠 기반 이미지 검색(CBIR) 시스템을 제안한다. 개미 군집 최적화(ACO)를 활용한 특징 선택을 통해 F-측도를 극대화하면서 특징 수를 최소화하는 가장 관련성이 높은 특징을 식별함으로써, 이전 시스템에 비해 Corel 데이터베이스의 다양한 카테고리에서 뛰어난 정밀도와 재현율을 달성한다.

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.

연구 동기 및 목표

• 대규모 파형 및 색상 특징 풀에서 가장 관련성이 높은 특징를 식별하여 CBIR 결과의 특징 선택 민감도 문제를 해결하기 위해.
• 특징 수를 최소화하면서 F-측도를 극대화하여 콘텐츠 기반 이미지 검색에서 검색 성능을 향상시키기 위해.
• 파형 변환(저주파수 노름)과 RGB 및 HSV 공간의 색상 특징을 융합한 하이브리드 특징 표현을 개발하기 위해.
• 기존 CBIR 방법과의 성능 비교를 위해 표준 기준을 사용하여 시스템 성능을 평가하기 위해.
• ACO 기반 특징 선택이 검색 정확도와 효율성을 향상시키는 데 기여하는지를 입증하기 위해.

제안 방법

• 이 시스템은 이산 파형 변환(DWT)에서 저주파 성분의 노름을 추출하여 질감에 민감한 특징으로 활용한다.
• RGB 및 HSV 색상 공간에서 색상 특징을 추출하여 다양한 색상 특성을 포괄한다.
• 데이터베이스 내 각 이미지에 대해 파형 특징과 색상 특징을 연결하여 특징 벡터를 구성한다.
• 특징의 최적 부분집합을 선별하기 위해 개미 군집 최적화(ACO) 알고리즘을 적용하여 F-측도를 극대화하고 차원을 감소시킨다.
• 검색 과정에서 이미지 유사도를 계산할 때 각 특징 유형(파형 및 색상)에 맞는 고유한 유사도 측정법을 사용한다.
• 정밀도, 재현율 및 F-측도 지표를 사용하여 Corel 이미지 데이터베이스에서 시스템을 평가한다.

실험 결과

연구 질문

• RQ1 파형 및 색상 특징의 어떤 조합이 CBIR 시스템에서 가장 높은 검색 정확도를 달성하는가?
• RQ2 ACO 기반 특징 선택은 CBIR에서 특징 수를 줄이면서 F-측도를 어떻게 향상시키는가?
• RQ3 파형 저주파수 노름과 다중 도메인 색상 특징의 하이브리드 특징 세트는 기존 CBIR 시스템을 초월할 수 있는가?
• RQ4 제안된 방법을 사용할 때 Corel 데이터셋의 다양한 이미지 카테고리에서 정밀도와 재현율은 어떻게 변화하는가?
• RQ5 ACO를 통한 특징 차원 감소가 검색 성능 및 계산 효율성에 어떤 영향을 미치는가?

주요 결과

• 제안된 CBIR 시스템은 Corel 데이터베이스의 대부분의 이미지 카테고리에서 기존의 세 가지 시스템보다 높은 정밀도와 재현율을 달성하였다.
• ACO 기반 특징 선택 과정을 통해 특징 수를 감소시키면서도 F-측도를 유지하거나 향상시켰다.
• 파형 저주파수 노름과 다중 도메인 색상 특징(RGB 및 HSV)의 통합은 특징 벡터의 구분 능력을 향상시켰다.
• 다양한 이미지 카테고리에서 뛰어난 성능을 보이며 강력한 일반화 능력을 입증하였다.
• 파형 및 색상 특징에 대해 도메인 특화된 유사도 측정법을 적용함으로써 검색 정확도가 향상되었다.
• 결과적으로 ACO를 통한 특징 관련성 선택이 더 효과적이고 효율적인 CBIR 시스템을 가능하게 한다는 것이 확인되었다.