[논문 리뷰] Color Image Clustering using Block Truncation Algorithm

Sanjay Silakari, Mahesh Motwani외 1명|ArXiv.org|2009. 10. 09.

Image Retrieval and Classification Techniques참고 문헌 16인용 수 61

한 줄 요약

이 논문은 블록 절단 코딩(BTC)과 색상 모멘트를 사용한 특징 추출 후, K-평균 군집화를 통해 시각적 유사성 기반으로 이미지를 군집화하는 색상 이미지 군집화 프레임워크를 제안한다. BTC의 효율적 압축과 색상 모멘트 기반 특징을 결합함으로써 군집화 성능을 향상시켜 저수준 시각적 특징을 사용한 효과적인 비지도 기반 색상 이미지 군집화를 구현한다.

ABSTRACT

With the advancement in image capturing device, the image data been generated at high volume. If images are analyzed properly, they can reveal useful information to the human users. Content based image retrieval address the problem of retrieving images relevant to the user needs from image databases on the basis of low-level visual features that can be derived from the images. Grouping images into meaningful categories to reveal useful information is a challenging and important problem. Clustering is a data mining technique to group a set of unsupervised data based on the conceptual clustering principal: maximizing the intraclass similarity and minimizing the interclass similarity. Proposed framework focuses on color as feature. Color Moment and Block Truncation Coding (BTC) are used to extract features for image dataset. Experimental study using K-Means clustering algorithm is conducted to group the image dataset into various clusters.

연구 동기 및 목표

• 대규모 색상 이미지의 군집화를 통해 효율적인 콘텐츠 기반 이미지 검색을 위한 의미 있는 군집으로 그룹화하는 데 도전한다.
• 비지도 학습에서 색상 특징을 주요 시각적 특징으로 활용하여 군집화 정확도를 향상시킨다.
• 색상 모멘트와 블록 절단 코딩(BTC)을 조합하여 강력한 이미지 특징 표현의 효과성을 탐색한다.
• 제안된 특징 추출 파이프라인을 사용하여 K-평균 군집화의 성능을 이미지 데이터셋에서 평가한다.

제안 방법

• 각 이미지에서 R, G, B 색상 채널의 평균, 표준편차, 왜도를 사용하여 전반적인 색상 분포를 나타내는 색상 모멘트를 추출한다.
• 블록 절단 코딩(BTC)을 적용하여 이미지 블록을 압축하면서 주된 색상 정보를 유지하여 압축된 표현을 생성한다.
• 색상 모멘트와 BTC에서 추출한 특징를 하나의 이미지당 특징 벡터로 통합하여 군집화 입력으로 사용한다.
• 특징 벡터에 K-평균 군집화를 적용하여 색상 특성의 유사성 기반으로 이미지를 군집으로 묶는다.
• 군집화 과정은 개념 군집화 원칙에 따라 군집 내 유사도를 최대화하고 군집 간 유사도를 최소화하는 것을 목표로 한다.
• 표준 군집화 평가 지표를 사용하여 데이터셋의 색상 이미지에서 성능을 평가하였지만, 구체적인 지표는 概요에 상세히 기재되어 있지 않다.

실험 결과

연구 질문

• RQ1 색상 모멘트와 블록 절단 코딩의 조합이 색상 이미지 군집화를 위한 특징 표현을 향상시킬 수 있는가?
• RQ2 BTC와 색상 모멘트 특징를 사용하여 적용된 K-평균 군집화는 이미지 데이터셋에서 얼마나 효과적인가?
• RQ3 제안된 특징 추출 방법은 개별 특징을 사용할 경우보다 군집화 성능을 향상시키는가?
• RQ4 이 방법은 군집화된 그룹 내에서 시각적 유사성을 어느 정도 유지하는가?

주요 결과

• 색상 모멘트와 블록 절단 코딩의 통합은 색상 이미지 군집화를 위한 압축되고 효과적인 특징 표현을 제공한다.
• 제안된 방법은 시각적 색상 유사성 기반으로 이미지를 의미 있는 군집으로 성공적으로 그룹화한다.
• 결합된 특징 벡터에 적용된 K-평균 군집화는 안정적이고 일관된 군집화 결과를 보여준다.
• 이 프레임워크는 저수준 시각적 특징을 사용한 비지도 색상 이미지 군집화에 계산적으로 효율적인 접근법을 제공한다.