Extraction of Optimal Interest Points for Shape-based Image Classification

모양 기반 이미지 분류를 위한 최적의 우세점 추출

  • 조성택 (경민대학 인터넷정보과) ;
  • 엄기현 (동국대학교 컴퓨터멀티미디어공학과)
  • Published : 2003.08.01

Abstract

In this paper, we propose an optimal interest point extraction method to support shape-base image classification and indexing for image database by applying a dynamic threshold that reflects the characteristics of the shape contour. The threshold is determined dynamically by comparing the contour length ratio of the original shape and the approximated polygon while the algorithm is running. Because our algorithm considers the characteristics of the shape contour, it can minimize the number of interest points. For n points of the contour, the proposed algorithm has O(nlogn) computational cost on an average to extract the number of m optimal interest points. Experiments were performed on the 70 synthetic shapes of 7 different contour types and 1100 fish shapes. It shows the average optimization ratio up to 0.92 and has 14% improvement, compared to the fixed threshold method. The shape features extracted from our proposed method can be used for shape-based image classification, indexing, and similarity search via normalization.

이 논문에서는 이미지 데이타베이스에서 모양 특징 기반 이미지 분류와 인덱싱을 위해 객체의 윤곽선 특성을 고려해 임계값을 동적으로 결정하여 최적 우세점을 추출하는 알고리즘을 제안한다. 동적 임계값결정은 원본 모양의 윤곽선 길이 비와 근사화된 다각형의 둘레 길이 비를 알고리즘 수행시 점진적으로 검사하는 방법을 사용한다. 이 알고리즘은 윤곽선 특징을 반영하여 동적인 임계값 검사를 함으로써 의사점 수를 최대한 줄이며 최소 우세점만으로 모양 특징 정보를 추출할 수 있는 장점을 보인다. 제안한 방법은 객체의 윤곽선을 이루는 n개의 점에서 m개의 최적 우세점을 찾는데 평균 O(nlogn)이 걸린다. 최적화 평가는 7가지 서로 다른 특성을 가지는 70개의 합성 모양과 1,100개의 어류 모양에 대해 알고리즘을 적용하고 피 결과에 대해 평가 함수를 구성하여 수행하였다. 최적화율은 실험 모양들에 대해 평균0.92를 보였으며 기존 알고리즘에 대해 약 14% 최적화 성능 개선을 보였다. 제안한 알고리즘을 통해 추출한 모양 특징 정보는 정규화를 통해 이미지 분류와 인덱싱, 유사도 검색에 활용할 수 있다.

Keywords

References

  1. R. Baldock, J. Graham, Image Processing and Analysis, Oxford University Press, 2000
  2. Danny Z.Chen, Ovidiu Daescu, 'Space efficient Algorithms for Approximating Polygonal Curves in Two Dimensional Space,' The Fourth Annual International Computing and Combinatorics Conference (COCOON), pp.55 64, 1998
  3. Luciano da Fontoura Costa, Roberto Marcondes Cesar Jr., Shape Analysis and Classification : Theory and Practicce, CRC Press, 2001
  4. Kikuo Fujimura, Yusaku sako,' Shape Signature by Deformation,' Shape Modeling and Applications, IEEE, pp.225 232, 1999
  5. H. Imai, M. Iri, 'Computational Geometric Methods for Polygonal Approximation of a Curve,' Computer Vision, Graphics and Image Processing, pp.31 41, 1986 https://doi.org/10.1016/S0734-189X(86)80027-5
  6. E. Milios, E. Petrakis, 'Shape Retrieval Based on Dynamic Programming,' IEEE Transactions on Image Processing, Vol. 9, No.1, pp.141 147, 2000 https://doi.org/10.1109/83.817606
  7. U. Ramer, 'An Iterative Procedure for the Poly gonal Approximation of Plane Curves', Computer Graphics and Image Processing, Vol.1, pp.244 256, 1972 https://doi.org/10.1016/S0146-664X(72)80017-0
  8. Paul L. Rosin, 'Techniques for Assessing Poly gonal Approximations of Curves,' Transactions on Pattern Analysis and Machine Intelligence, IEEE, Vol.19, No.6, pp.659 666, 1997 https://doi.org/10.1109/34.601253
  9. M. Safar, C. Shahabi, X. Sun, 'Image Retrieval by Shape : A Comparative Study,' Multimedia and Expo, IEEE, Vol.1, pp.141 144, 2000 https://doi.org/10.1109/ICME.2000.869564
  10. J. Wang, W. Chang, and R. Acharya, 'Efficient and Effective Similar Shape Retrieval,' Multimedia Computing and Systems, IEEE, pp.875 879, 1999 https://doi.org/10.1109/MMCS.1999.779317
  11. 김영태, 엄기현, '객체 모양의 특징을 표현하는 재귀적 윤곽 우세 점 추출 방안', 한국정보과학회 봄 학술발표 논문집, 제28권 제1호, pp.19 21, 2001
  12. SQUID, http://www.ee.surrey.ac.uk/Research/VSSP/imagedb/demo.html