The Usage of Color & Edge Histogram Descriptors for Image Mining

칼라와 에지 히스토그램 기술자를 이용한 영상 마이닝 향상 기법

The MPEG-7 standard defines a set of descriptors that extracts low-level features such as color, texture and object shape from an image and generates metadata in order to represent these extracted information. But the matching performance for image mining ma y not be satisfactory by u sing only on e of these features. Rather than by combining these features we can achieve a better query performance. In this paper we propose a new image retrieval technique for image mining that combines the features extracted from MPEG-7 visual color and texture descriptors. Specifically, we use only some specifications of Scalable Color Descriptor (SCD) and Non-Homogeneous Texture Descriptor also known as Edge Histogram Descriptor (EHD) for the implementation of the color and edge histograms respectively. MPEG-7 standard defines $l_{1}$-norm based matching in EHD and SCD. But in our approach, for distance measurement, we achieve a better result by using cosine similarity coefficient for color histograms and Euclidean distance for edge histograms. Our approach toward this system is more experimental based than hypothetical.

영상의 칼라, 텍스쳐, 오브젝트의 형체 등과 같은 하위 수준의 특징을 표현할 수 있는 기술자를 MPEG-7 표준에서 규정하고 있다. 하지만, 각각의 기술자를 따로 분석함으로써는 성능 향상에 불충분한 점이 있었다. 본 논문에서는 칼라 기술자와 텍스쳐 기술자를 결합하여 영상검색의 성능을 향상시키는 방법을 제안한다. MPEG-7 표준에서 정의한 $l_{1}$-norm방법보다, 본 논문에서는 칼라 히스토그램의 경우 코사인 근사도 계수를, 에지 히스토그램의 경우 유클리디언 디스턴스를 적용 실험하여 진일보한 결과를 도출할 수 있었다.