[논문 리뷰] Texture and Color-based Image Retrieval Using the Local Extrema Features and Riemannian Distance

Minh‐Tan Pham, Grégoire Mercier외 2명|arXiv (Cornell University)|2016. 11. 07.

Image Retrieval and Classification Techniques참고 문헌 31인용 수 5

한 줄 요약

이 논문은 국소 극값 기반 기술자(LED)를 关건점 위치에서 추출하여 무늬와 색상 특징을 통합하는 새로운 콘텐츠 기반 이미지 검색(CBIR) 방법을 제안한다. 이미지를 LED의 점군으로 모델링하고, 이들의 기저 만니폭 사이의 리만 거리를 계산하여, Vistex, Stex 및 색상이 있는 Brodatz 데이터베이스에서 최신 기술 수준의 성능을 달성한다.

ABSTRACT

A novel efficient method for content-based image retrieval (CBIR) is developed in this paper using both texture and color features. Our motivation is to represent and characterize an input image by a set of local descriptors extracted at characteristic points (i.e. keypoints) within the image. Then, dissimilarity measure between images is calculated based on the geometric distance between the topological feature spaces (i.e. manifolds) formed by the sets of local descriptors generated from these images. In this work, we propose to extract and use the local extrema pixels as our feature points. Then, the so-called local extrema-based descriptor (LED) is generated for each keypoint by integrating all color, spatial as well as gradient information captured by a set of its nearest local extrema. Hence, each image is encoded by a LED feature point cloud and riemannian distances between these point clouds enable us to tackle CBIR. Experiments performed on Vistex, Stex and colored Brodatz texture databases using the proposed approach provide very efficient and competitive results compared to the state-of-the-art methods.

연구 동기 및 목표

• 더 강력한 이미지 표현을 위해 무늬와 색상 특징를 통합함으로써 콘텐츠 기반 이미지 검색(CBIR)을 향상시키기.
• 기존 방법이 전역 특징 또는 덜 구별력 있는 局부 기술자에 의존하는 한계를 해결하기.
• 특징 공간 내 기하학적 관계를 통해 이미지 유사도를 모델링하고, 국소 기술자 만니폭의 위상 구조를 활용하기.
• 표준 무늬 데이터베이스에서 최신 기술 수준의 접근법과 경쟁 가능한 효율성과 성능을 갖춘 방법을 개발하기.

제안 방법

• 국소 극값 픽셀이 이미지 내에서 관건점으로 식별되어 특징 추출의 기초가 된다.
• 각 관건점에 대해, 가장 가까운 국소 극값에서의 색상, 공간적, 기울기 정보를 집계하여 국소 극값 기반 기술자(LED)를 구성한다.
• 각 이미지는 LED의 점군으로 표현되어 위상적 특징 공간(만니폭)을 형성한다.
• 이미지 간 이질성은 두 이미지의 만니폭 사이의 리만 거리를 사용하여 계산되며, 비선형 기하학적 관계를 캡처한다.
• 이 방법은 특징 공간의 내재적 구조를 활용하여 검색 정확도를 향상시킨다.
• 이 접근법은 효율적이고 확장 가능하도록 설계되어 대규모 이미지 검색 작업에 적합하다.

실험 결과

연구 질문

• RQ1 국소 극값 기반 기술자가 이미지 검색을 위해 무늬와 색상 정보를 효과적으로 캡처할 수 있는가?
• RQ2 LED 기반 만니폭 간의 리만 거리는 기존의 거리 측도와 비교해 CBIR에서 어떻게 성능을 발휘하는가?
• RQ3 LED 내에서 색상, 공간적, 기울기 신호를 통합함으로써 검색 성능은 어느 정도 향상되는가?
• RQ4 제안된 방법은 표준 무늬 데이터베이스에서 최신 기술 수준의 CBIR 기법과 비교해 어떻게 성능을 내는가?

주요 결과

• 제안된 방법은 Vistex, Stex 및 색상이 있는 Brodatz 무늬 데이터베이스에서 매우 경쟁력 있는 검색 성능을 달성한다.
• LED 기술자 내부에서 색상, 공간적, 기울기 정보를 통합함으로써 구별력이 향상된다.
• LED 만니폭 간의 리만 거리는 기존의 측도보다 이미지 유사도 측정에 더 효과적이다.
• 국소 극값을 관건점으로 사용함으로써, 무늬가 풍부한 이미지에서 강력하고 의미 있는 특징 표현이 가능하다.
• 이 방법은 효율성과 확장성을 입증하여 실용적 CBIR 응용에 적합하다.
• 실험 결과는 제안된 접근법이 표준 벤치마크에서 최신 기술 수준의 방법을 초월하거나 동등하게 성능을 내는 것으로 확인되었다.