초록
본 논문에서는 저자 등이 질감특징으로 제안한 바 있는 BDIP(block difference of inverse probabilities) 모멘트 특징과 새로이 질감특징으로 제안하는 BVLC(block variation of local correlation coefficient) 모멘트 특징을 기존의 웨이브렛 모멘트 질감특징과 융합하여 칼라영상을 대상으로 검색하는 내용기반 검색법을 제시하였다. 효율적인 융합을 위해 각 특징벡터들에 대한 가중치는 전체 DB에서 각 특징벡터의 성분이 가지는 표준편차와 각 특징벡터가 가지는 차원과의 곱의 역수로 하였다. 시험영상으로는 Corel Draw Photo DB와 Vistex 질감영상 DB를 사용하였다. 실험결과, 제안한 검색기법은 일반영상뿐만 아니라 질감영상에서도 웨이브렛 모멘트 특징보다 7%정도 성능이 향상됨을 확인할 수 있었다.
We present an image retrieval method for improving retrieval performance by effective fusion of entropy features in wavelet region and wavelet moments. In this method, entropy features are sensitive to the local variation of gray level and well extract valley and edges. These features are effectively applied to contend-based image retrieval by well fusing to wavelet moments that represent texture property in multi-resolution. In order to evaluate the performance of the proposed method. We use Corel Draw Photo DB. Experiment results show that the proposed yields 11% better performance for Corel Draw Photo DB over wavelet moments method.
