The KIPS Transactions:PartB (정보처리학회논문지B)

Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Cluster-based Image Retrieval Method Using RAGMD

RAGMD를 이용한 클러스터 기반의 영상 검색 기법

  • Jung, Sung-Hwan (Dept.of Computer Engineering, Changwon National University) ;
  • Lee, Woo-Sun (Dept.of Computer Engineering, Changwon National University)
  • Published : 2002.02.01
Download PDF
⟨ Previous Next ⟩

Abstract

This paper presents a cluster-based image retrieval method. It retrieves images from a related cluster after classifying images into clusters using RAGMD, a clustering technique. When images are retrieved, first they are retrieved not from the whole image database one by one but from the similar cluster, a similar small image group with a query image. So it gives us retrieval-time reduction, keeping almost the same precision with the exhaustive retrieval. In the experiment using an image database consisting of about 2,400 real images, it shows that the proposed method is about 18 times faster than 7he exhaustive method with almost same precision and it can retrieve more similar images which belong to the same class with a query image.

본 논문에서는 클러스터 기반의 영상 검색 기법을 제시한다. 이 기법은 클러스터링 기법인 RAGMD를 이용하여 유사한 영상들을 클러스터로 분류한 후, 관련 클러스터로부터 영상을 검색하는 방법이다. 영상 검색시에 먼저, 전체 영상 데이터베이스를 차례대로 일일이 검색하는 것이 아니라, 질의 영상과 유사한 클러스터인 유사 영상 소집단에서 검색한다. 그러므로 이 방법은 직접 검색(Exhaustive Retrieval)과 거의 같은 검색 정밀도(Precision)를 유지하면서 검색 시간을 단축할 수 있다. 약 2,400개의 실제 영상들로 구성된 영상 데이터베이스를 사용한 실험에서, 제안된 검색 방법이 직접 검색과 거의 같은 정밀도를 유지하면서 약 18배의 빠른 검색 시간을 보였으며, 질의 영상과 같은 클래스에 속한 유사한 영상들을 더 많이 검색하는 것으로 나타났다.

Keywords

References

  1. Kato T, 'Database Architecture for content based image retrieval,' in Image Storage and Retrieval systems, Proc. SPIE 1662, pp.112-113, 1992 https://doi.org/10.1117/12.58497
  2. J. P. Eakins and M. E. Graham, 'Content-based Image Retrieval,' Technical Report, University of Northumbria at Newcastle, UK, 1999
  3. A. Yoshitaka and T. Ichkawa, 'A survey on content-based retrieval for multimedia databases,' IEEE Trans. on Knowledge and Data Engineering, Vol.11, No.1, pp.81-93, Jan., 1999 https://doi.org/10.1109/69.755617
  4. S. Medasani and R. Krishnapuram, 'Determination of the number of components in Gaussian mixtures using agglomerative clustering,' In Proceedings of the ICNN, pp. 1412-1417, Houston, June, 1997 https://doi.org/10.1109/ICNN.1997.614001
  5. R. Krishnapuram and S. Medasani, 'A fuzzy approach to graph matching,' Proceedings of the International Fuzzy Systems Association Congress, Taipei, pp.1029-1033, 1999
  6. S. Medasani, J. Kim and R. Krishnapuram, 'An overview of membership function generation techniques for pattern recognition,' International Journal of Approximate Reasoning, Vol.19, pp.391-417, 1998 https://doi.org/10.1016/S0888-613X(98)10017-8
  7. A. P. Dempster, N. M. Laird, and Rubin, 'Maximum likelihood from incomplete data via the EM algorithm,' Journal Royal Statistical Society B, Vol.39, No.2, pp.1-38, 1977
  8. B. S. Manjunath and W. Y. Ma, 'Texture features for browsing and retrieval of image data,' IEEE Trans. on Pattern Analysis and Machine Intelligence, Vol.18, No.8, pp.837-842, Aug., 1996 https://doi.org/10.1109/34.531803
  9. S. Medasani and R. Krishnapuram, 'Categorization of image database for efficient retrieval using robust mixture decomposition,' Proceeding of IEEE workshop on Content-based Access of Image and Video Library, Santa Barbara, pp.50-54, June, 1998 https://doi.org/10.1109/IVL.1998.694495
  10. S. Medasani and R. Krishnapuram, 'A fuzzy approach to content-based image retrieval,' Proceedings of the IEEE Conference on Fuzzy Systems, pp.1251-1257, Seoul, Aug., 1999 https://doi.org/10.1109/FUZZY.1999.790081
  11. 김진아, 이승훈, 우용태, 정성환, '내용기반 영상검색을 위한 특징 추출 및 영상 데이타베이스 검색 시스템 구현', 정보처리학회 정보처리논문지, 제5권 제8호, pp.1951-1958, 1998
  12. Y. Rui, T. S. Huang and S. Mehrota, 'Content-based image retrieval with relevance feedback in Mars,' Proceeding of IEEE Conference on Image Processing, Santa Barbara, pp. II 815-818. Oct., 1997 https://doi.org/10.1109/ICIP.1997.638621