Adaptive Feature Selef-selection and Multiple SOFM Neural network for Content-based image Retrieval System

내용기반 복합 영상 검색 시스템을 위한 적응적 특징 자가선택과 다중 SOFM 신경망

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.

본 논문은 복합 영상을 위한 내용기반 영상 검색의 효율을 극대화하기 위한 방법을 제안하였다. 영상 검색을 효율적으로 수행하기 위해서는 영상 검색의 후보를 축소와 함께 최적의 특징을 선택하는 것이 필요하다 한가지 영상 특징 패턴에 기반 한 검색 시스템으로는 다양한 종류의 복합 영상에 대한 검색과정에서 영상 도메인이 변화할 경우 검색 효과를 극대화할 수가 없다. 본 논문에서는 검색 영상 도메인이 변하면 질의 영상 특성에 따라 최적의 특징 패턴을 시스템 스스로 선택하는 적응적 자가 특징 선택 기법 통하여 복합 영상의 검색 효율을 극대화하였다. 제안된 방안에서는 검색 효율을 개별적인 특징들에 비해 3% 향상시킬 수 있었으며 다중 SOFM신경망을 통하여 검색 후보를 축소하였다