• Journal of the Korea Society of Computer and Information
• /
• v.5 no.2
• /
• pp.22-29
• /
• 2000

The purpose of this paper is to propose a method to maximize a content-based image retrieval efficiency in multiple images. To perform an image retrieval job efficiently, it is necessary to minimize the number of candidate-images. Furthermore, a miximum efficiency of image retrieval could not be expected if an image retrieval job in the multiple images is done on the basis of patterns of single image distinctive features. In this method, a multiple SOFM neural network system is adopted to select automatically distinctive feature patterns which have a maximum efficiency of image retrieval in the multiple images. In this method. an image retrieval efficiency is improved 3% than individual features and the number of candidate-images is reduced by the multiple SOFM neural network system.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 1999.06b
• /
• pp.97-102
• /
• 1999

멀티미디어 데이터의 증가로 사용자가 원하는 데이터의 신속하고 정확한 검색이 필요하게 되었다. 본 논문에서는 모양 정보를 기반으로 영상 데이터를 효과적이며 효율적으로 검색하기 위하여, 새로운 모양 정보 특징 및 검색 방법을 제안한다. 본 논문에서는 화소의 공간적분포로 나타나는 모양 정보를 covariance matrix의 eigenvector를 이용하여, 계층적으로 영역을 분할하고, 각 분할된 영역에서 크기 변화, 위치 이동, 회전에 불변하는 특징들을 추출한다. 영상 정보의 검색은 특징벡터 공간에서 질의 영상에서 추출된 특징과, 데이터베이스에 기록된 영상들의 특징 사이의 거리를 계산하여, 거리에 반비례하는 유사도가 높은 영상들을 출력한다. 제안된 모양 특징은 또한 계층수의 조정에 의해서 모양 정보를 표현할 수 있는 정도를 조절 할 수 있다는 장점이 있다.

• Journal of the Korea Society of Computer and Information
• /
• v.13 no.1
• /
• pp.117-124
• /
• 2008

We suggest CBIR(Content Based Image Retrieval) method using color and shape information. Using just one feature information may cause inaccuracy compared with using more than two feature information. Therefore many image retrieval system use many feature informations like color, shape and other features. We use two feature, HSI color information especially Hue value and CSS(Curvature Scale Space) as shape information. We search candidate image form DB which include feature information of many images. When we use two features, we could approach better result.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10b
• /
• pp.359-361
• /
• 1999

내용 기반 영상 검색을 위해 본 연구에서는 Vector Quantization을 이용하여 영상을 구성하는 주요 객체들의 특징 추출 방법을 제안한다. 내용 기반 검색 시스템에서 사용되는 영상의 주요 특징들은 색상, 질감, 형태 및 영상을 구성하고 있는 객체들의 공간적 위치 등이 사용된다. 이러한 특징들 중에서 어떤 특징들을 사용하고 또 어떤 방식으로 결합하느냐에 따라 혹은 영상의 특성을 잘 나타낼 수 있는 주요 특징을 어떻게 추출, 표현하느냐에 따라 검색 성능에 큰 영향을 미친다. 이 중 본 논문에서는 일반적인 색상, 질감 특징 추출방법과 더불어 Vector Quantization 알고리즘을 이용하여 정지 영상을 구성하고 있는 객체들의 대표 색상과 질감 특징을 빠르게 추출하고 이를 내용 기반 검색에 이용함으로써 객체의 위치, 회전 및 크기 변화에 무관한 검색을 가능케 했다. 연구의 실험 결과 VQ를 이용함으로써 대표특징치 추출시간을 줄일 수 있었고 검색시 색상과 질감 특징의 가중치를 각각 0.5, 0.5로 주는 것이 가장 높은 검출율을 보였으며 제안된 방식에 의해 '사람' 영상의 경우 0.9의 검출율을 보였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.601-603
• /
• 2012

본 논문에서는 의료영상의 특성을 반영하여 영상의 그래디언트 방향 값을 특징으로 하는 Oriented Center Symmetric Local Binary Patterns (OCS-LBP) 특징을 개발하고 추출된 특징 값에 대해 차원을 줄이고 의미 있는 특징 단위로 재 생성하기 위해 Bag-of-Feature (BoF)를 적용하였다. 검색을 위해서는 기존의 영상 검색 방법과는 다르게, 학습 영상을 이용하여 랜덤 포리스트 (Random Forest)를 사전에 학습시켜 데이터베이스 영상을 N 개의 클래스로 자동 분류 시키고, 질의로 입력된 영상을 같은 방법으로 랜덤 포리스트에 적용하여 상위 확률 값을 갖는 2 개의 클래스에서만 K-nearest neighbor 방법으로 유사 영상을 검색결과로 제시하는 새로운 영상검색 방법을 제시하였다. 실험결과에서 본 논문의 우수성을 증명하기 위해 일반적인 유사성 측정 방법과 랜덤 포리스트를 이용한 방법의 검색 성능 및 시간을 비교하였고, 검색 성능과 시간 면에서 상대적으로 매우 우수한 성능을 보여줌을 증명하였다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 1998.04a
• /
• pp.34-39
• /
• 1998

영상검색을 위해 Wavelet 변환을 사용한 특징추출 접근방법은 영상들을 압축과 동시에 인덱스 할 수 있어서 영상 데이터베이스 저장과 관리의 복잡성이 상당히 감소될 수 있다. 본 연구는 각 영상의 Hue값에 대해 위치 정보의 주파수 정보를 가지는 Wavelet 변환의 성질을 이용하여 2단계 Wavelet 변환 후 생성된 저대역 부밴드에서 칼라 특징을 추출하고 나머지 부밴드에서 질감 특징을 추출하여 영상 데이터베이스의 검색에 이용한다. 200개 영상을 사용하여 실험한 결과, 제안된 방법은 recall과 precision에서 약 97%, 81%의 검색 효율을 보였다.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 2009.05a
• /
• pp.138-143
• /
• 2009

본 논문에서는 감성 공간에서 mean shift clustering과 user feedback을 이용하여 영상 검색 결과를 개선하기 위한 시스템을 제안한다. 제안된 시스템은 사용자 인터페이스, 감성 공간 변환, 검색결과 순위 재지정(re-ranking)으로 구성된다. 사용자 인터페이스는 텍스트 형태의 질의 입력과 감성 어휘 선택에 따른 user feedback에 의해 개선된 검색결과를 보인다. 사용된 감성 어휘는 고바야시가 정의한 romantic, natural, casual, elegant, chic, classic, dandy, modern 등의 8개 어휘를 사용한다. 감성 공간 변환 단계에서는 입력된 질의에 따라 웹 영상 검색 엔진(Yahoo)에 의해 검색된 결과 영상들에 대해 컬러와 패턴정보의 특징을 추출하고, 이를 입력으로 하는 8개의 각 감성별 분류기에 의해 각 영상은 8차원 감성 공간으로의 특징 벡터로 변환된다. 이때 감성 공간으로 변환된 특징 벡터들은 mean shift clustering을 통해 군집화 되고, 그 결과로써 대표 클러스터를 찾게 된다. 검색결과 순위 재지정 단계에서는 user feedback 유무에 따라 대표 클러스터의 평균 벡터와 user feedback에 의해 생성된 사용자 감성 벡터에 의해 검색 결과를 개선할 수 있다. 이때 각 기준에 따라 유사도가 결정되고 검색결과 순위가 재지정 된다 제안된 시스템의 성능을 검증하기 위해 7개의 질의의 각 400장, 총 2,800장에 대한 Yahoo 검색 결과와 제안된 시스템을 개선된 검색 결과를 비교하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10c
• /
• pp.509-511
• /
• 1998

본 논문에서는 동영상 데이터베이스에서 Key-frame을 검색하는 방법을 제안한다. 본 논문에서는 Key-frame을 검색하기위해 컬러 피쳐를 공간영역에서 추출하지 않고 wavelet transform 영역에서 컬러 피쳐를 추출하는 방법을 제안한다. wavelet transform 의 저주파 밴드는 영상전체의 특징을 잘 나타내고 고주파 밴드는 texture 와 국부적인 컬러 특성을 잘 나타낸다. 색인과정 알고리즘은 영상의 크기를 정규화하고 RGB 컬러공간에서 HSV 컬러 공간으로 변환을 하여, H, S, V 각 채널에 대해 Daubechies' wavelet transform을 수행한 후 변환 영역에서 피쳐를 추출하게 된다. 색인을 위한 피쳐로 wavelet 계수와 lowest 밴드의 평균과 표준편차를 추출하였다. 효율적인 검색을 위해 검색은 2단계로 수행된다. 먼저 평균과 표준편차만을 이용한 1차 검색을 통해 2차 검색의 후보 영상들을 추출하고 2차 검색에서는 1차 검색 통과 영상들에 대해서만 wavelet 계수들을 비교하여 최종 검색 결과를 얻게 된다. 검색결과 기존의 컬러 피쳐를 이용한 방법보다 우수한 검색결과를 얻을 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.04b
• /
• pp.556-558
• /
• 2001

전체 영상을 이용하지 않고 영상 안에 포함된 특정 객체 혹은 영역만을 이용하는 "영역에 의한 질의(query-by-region)" 방법은 내용기반 영상 검색 중 상위개념의 방법 이지만, 영상 분할의 한계, 여러개로 분할된 영역을 모두 검색하기 위한 인덱싱 문제, 유사성 측정 시 선형적으로 분리되지 않는 특징 값들에 대한 무리한 선형 조합으로 인한 검색 오류와 같은 많은 문제점을 안고 있다. 따라서 본 논문에서는 영역 기반 영상 검색 시스템인 FRIP에 대하여 영상 분할의 한계를 극복하고, 사용자의 주관성을 영상 검색에 적용하기 위해 확률적 연관성 학습 모델(MPFRL)을 유사성 측정 단계에서 적용 하였고, 아울러 검색 모델로는 기존에 일반적으로 사용되어 오던, 선형 모델을 사용하지 않고 선형 모델보다 유연한 검색 결과를 보여주는 확률적 이접 부울 모델(PDB)을 사용하였다. 또한, 검색 시간을 단축 시키기 위해, 선형 검색 방법에 부울 AND 연산자를 적용 시킴으로써, 검색 시간을 상당부분 단축 할 수 있었다. 실험 결과, 본 논문에서 제안하는 방법(MPFRL+PDB)을 사용할 경우 검색 결과가 선형 조합 보다 향상되는 것을 알 수 있었다. 아울러 사용자 피드백을 통해 사용자가 특징 가중치를 일일이 조절하지 않더라도 단순한 몇 번의 클릭만으로 사용자의 주관성을 반영하고 보다 정확한 검색 결과를 보여 줄 수 있는 시스템을 설계 할 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.10a
• /
• pp.606-608
• /
• 2018

최근 CCTV나 블랙박스 등 멀티미디어 데이터를 생성해내는 장치의 사용이 늘어나고 있다. 이러한 대용량 멀티미디어 데이터가 증가함에 따라 사용자가 동영상과 같은 멀티미디어 데이터 내의 객체를 식별하기 위해서는 많은 시간을 할애하여 매뉴얼하게 일일이 찾아야 하는 한계점이 있다. 본 논문에서는 사용자가 동영상 및 이미지에서와 같은 멀티미디어 데이터에서 객체를 자동으로 식별할 수 있 수 있는 딥러닝 기반의 객체 식별 및 검색 모델을 제안한다. 제안하는 객체 식별 검색은 이미지 검색과 동영상 검색을 지원한다. 이미지 검색에서는 이미지에 존재하는 동일한 객체를 검색 대상 이미지들에서 객체를 식별하고, 이미지에 존재하는 객체를 검색하여 결과로 반환한다. 또한 동영상 검색에서는 동영상에서 검색하고자 하는 객체를 식별하고 객체가 출현하는 시간을 전처리과정을 통해 기록하며, 검색하고자 하는 동영상 내에 존재하는 객체의 검색이 가능하다. 따라서 사용자가 동영상에서 객체의 검색 시 키워드 검색이 가능하여 동영상을 모두 재생하서 객체를 식별해야 하는 번거로움을 해결할 수 있다.