Journal of Korea Multimedia Society (한국멀티미디어학회논문지)

Korea Multimedia Society (한국멀티미디어학회)
권호 표지
DOI QR코드

DOI QR Code

Study of Improvement of Search Range Compression Method of VP-tree for Video Indexes

영상 색인용 VP-tree의 검색 범위 압축법의 개선에 관한 연구

  • 박길양 (군산대학교 전자정보공학부) ;
  • 이상곤 (전주대학교 컴퓨터공학과) ;
  • 황재정 (군산대학교 전파공학과)
  • Received : 2011.08.01
  • Accepted : 2012.02.01
  • Published : 2012.02.29
Download PDF
⟨ Previous Next ⟩

Abstract

In multimedia database, a multidimensional space-based indexing has been used to increase search efficiency. However, this method is inefficient in terms of ubiquity because it uses Euclidean distance as a scale of distance calculation. On the contrary, a metric space-based indexing method, in which metric axiom is prerequisite is widely available because a metric scale other than Euclidean distance could be used. This paper is attempted to propose a way of improving VP-tree, one of the metric space indexing methods. The VP-tree calculates the distance with an object which is ultimately linked to the a leaf node depending on the node fit for the search range from a root node and examines if it is appropriate with the search range. Because search speed decreases as the number of distance calculations at the leaf node increases, however, this paper has proposed a method which uses the latest interface on query object as the base point of trigonometric inequality for improvement after focusing on the trigonometric inequality-based range compression method in a leaf node. This improvement method would be able to narrow the search range and reduce the number of distance calculations. According to a system performance test using 10,000 video data, the new method reduced search time for similar videos by 5-12%, compared to a conventional method.

멀티미디어 데이터베이스에서는 검색 효율을 높이기 위해 다차원 공간에 기초한 색인 방법이 사용되고 있다. 그러나 이 방법은 거리 계산의 척도로 유클리드 거리를 이용하여야 한다는 전제가 있어 범용성이 떨어진다. 한편, 거리 공리의 성립을 전제로 하는 거리 공간에 기반한 색인 방법은 유클리드 거리 이외의 거리 척도를 이용할 수 있기 때문에 범용성이 높다. 본 논문에서는 거리 공간을 색인화하는 방법 중 하나인 VP-tree의 방법을 개선하고자 한다. VP-tree는 검색 시에 루트 노드로부터 검색 범위에 적합한 노드를 따라 최종에 이르는 리프 노드에 링크되어 있는 오브젝트와의 거리를 계산하고, 검색 범위에 적합한가를 검사한다. 그러나 리프 노드에서 거리 계산 횟수가 증가하면 검색 속도가 떨어지기 때문에 리프 노드에서 삼각 부등식을 이용한 범위 압축 방법에 주목하고 그 개량 방법으로서 질의 오브젝트에 대한 최근접점을 삼각 부등식의 기준점으로 이용하는 방법을 제안한다. 이 개량 방법에 의해 검색 범위를 크게 좁힐 수 있으며, 또한 거리 계산의 횟수도 꽤 줄일 수 있다. 실제로 10,000 건의 영상 데이터를 이용하여 시스템의 성능 평가를 진행해 본 결과 기존 방법에 비해 유사 영상의 검색 시간을 5%~12%까지 절감할 수 있었다.

Keywords

References

  1. Kita K., Tsuda, K., and Shishibori M., Information Retrieval Algorithm, Kyoritsu Shuppan, 2002.
  2. Yoshikawa M. and Uemura S., "Indexing Techniques for Multimedia Data," J ournal of Information Processing Society of Japan, Vol.42, No.10, pp. 953-957, 2001.
  3. Katayama N. and Satoh S., "Indexing Techniques for Similarity Retrieval," J ournal of Information Processing Society of Japan, Vol.42, No.10, pp. 958-963, 2001.
  4. Guttman A., "A Dynamic Index Structure for Spatial Searching," Proc. ACM SIGMOD '84, pp. 47-57, 1984.
  5. Beckmann N., Kriegel H. -P., Schneider R., and Seeger B., "The R*-tree: An Efficient and Robust Access Method for Points and Rectangles," Proc. ACM SIGMOD, pp. 322-331, 1990.
  6. White D.A. and Jain R., "Similarity Indexing with SS-tree," Proc. 12th Int. Conf. on Data Engineering, pp. 516-523, 1996.
  7. Katayama N., and Satoh S., "SR-Tree : An Index Structure for Nearest Neighbor Searching of High - Dimensional Point Data," IEICE Transaction on Information and Systems, Vol.J80-D-I, No.8, pp. 703-717, 1997.
  8. Berchtold S., Keim D. A., and Kriegel H. -P., "The X-tree An Index Structure for High Dimensional Data," Proc. 22nd VLDB, pp. 28-39, 1996.
  9. Weber R., Schek H.J., and Blott S., "A Quantitative Analysis and Performance Study for Similarity - Search Methods in High- Dimensional Spaces," Proc. 24th VLDB, pp. 194-205, 1998.
  10. 밧수리수브다, 고재필, "얼굴 인식을 위한 거리척도 학습 방법 비교", 멀티미디어학회논문지, 제14권, 제6호, pp. 711-718, 2011.
  11. Ioka M., A Method of Defining the Similarity of Images on the Basis of Color Information, Technical Report RT-0030, IBM Tokyo Research Lab., 1989.
  12. Rubner Y., Tomasi C., and Guibas L.J., "The Earch Mover's Distance, Multi-Dimensional Scaling, and Color-Based Image Retrieval," Proc. of the ARPA Image Understanding Workshop, pp. 661-668, 1999.
  13. Ciaccia P., Patella M., and Zezula P., "M- tree: An Efficient Access Method for Similarity Search in Metric Spaces," Proc. ACM SIGMOD Int. Conf. on the Management of Data, pp. 71-79, 1995.
  14. Yianilos P. N., "Data Structures and Algorithms for Nearest Neighbor Search in General Metric Spaces," Proc. of the Fourth Annual ACM-SIAM Symposium on Discrete Algorithms( SODA '93) , pp. 311-321, 1993.
  15. Fu A.W. -C., Chan P.M.S., Cheung Y.L., and Moon Y.S., "Dynamic VP-Tree Indexing for N-Nearest Neighbor Search Given Pair- Wise Distances," The VLDB Journal, Vol.9, No.2, pp. 154-173, 2000. https://doi.org/10.1007/PL00010672
  16. Bozkaya T. and Ozsoyoglu M., "Distancebased Indexing for High Dimensional Metric Spaces," Proc. of the 1997 ACM SIGMOD International Conference on Management of Data(SIGMOD '97), pp. 357-368, 1997.
  17. Ishikawa M., Notoya J., Chen H., and Ohbo N., "A Metric Index MItree," Transactions of Information Processing Society of Japan, Vol.40, No.SIG6(TOD3), pp. 104-114, 1999.
  18. Vidal Ruiz, "An Algorithm for Finding Nearest Neighbours in (approximately) Constant Average Time," Pattern Recognition Letters, Vol.4, Iss.3, pp. 145-157, 1986. https://doi.org/10.1016/0167-8655(86)90013-9
  19. Iwasaki M., "Implementation and Evaluation of Metric Space Indices for Similarity Search", Transactions of Information Processing Society of Japan, Vol.40, No.SIG3(TOD1), pp. 24-33, 1999.
  20. Akama H., Konishi F., Yoshida T., Yamamuro M., and Kushima K., "External Key Search and Dynamic Data Insertion in Inverted File Indexing Method Applied for Nearest Neighbor Search," Transactions of Information Processing Society of Japan, Vol.40, No.SIG 8(TOD4), pp. 51-62, 1999.
  21. Corel Image, http://www.corel.co.kr/ 2011.