A Smart Image Classification Algorithm for Digital Camera by Exploiting Focal Length Information

초점거리 정보를 이용한 디지털 사진 분류 알고리즘

In recent years, since the digital camera has been popularized, so users can easily collect hundreds of photos in a single usage. Thus the managing of hundreds of digital photos is not a simple job comparing to the keeping paper photos. We know that managing and classifying a number of digital photo files are burdensome and annoying sometimes. So people hope to use an automated system for managing digital photos especially for their own purposes. The previous studies, e.g. content-based image retrieval, were focused on the clustering of general images, which it is not to be applied on digital photo clustering and classification. Recently, some specialized clustering algorithms for images clustering digital camera images were proposed. These algorithms exploit mainly the statistics of time gap between sequent photos. Though they showed a quite good result in image clustering for digital cameras, still lots of improvements are remained and unsolved. For example the current tools ignore completely the image transformation with the different focal lengths. In this paper, we present a photo considering focal length information recorded in EXIF. We propose an algorithms based on MVA(Matching Vector Analysis) for classification of digital images taken in the every day activity. Our experiment shows that our algorithm gives more than 95% success rates, which is competitive among all available methods in terms of sensitivity, specificity and flexibility.

최근 들어 디지털 카메라의 대중화로 인하여 많은 사람들이 손쉽게 다량의 사진을 촬영할 수 있게 되었다. 수백 장의 사진을 수작업으로 분류, 관리하는 것은 매우 힘든 일이며, 따라서 이를 자동으로 수행해주는 시스템의 필요성이 증대되었다. 디지털 이미지를 분류하는 이전 연구들은 대부분 일반적인 사진에 중점을 두고 있기 때문에 디지털 사진을 분류하기 위해서는 사용하기 힘들다. 최근에는 특정 조건 내에서 디지털 이미지를 분류하는 연구들이 많이 진행되고 있다. 이 알고리즘들은 대부분 시간차를 이용하여 사진을 분류하며 대부분 좋은 결과를 보이고 있지만 개선해야할 여지가 많이 남아있다. 예를 들면 초점거리와 같은 정보들은 사진을 분류할 때 전혀 사용하지 않는다. 따라서 본 논문에서는 EXIF의 초점거리 정보를 이용한 사진 분류 알고리즘을 제안한다. 본 논문에서는 매칭 벡터 분석방법을 이용하여 사진을 분류한다. 제안한 방법으로 실험한 결과, 95%의 사진 분류 성공률을 보였다.