Journal of KIISE:Databases (한국정보과학회논문지:데이타베이스)

Korean Institute of Information Scientists and Engineers (한국정보과학회)
권호 표지

Shape Retrieval using Curvature-based Morphological Graphs

굴곡 기반 형태 그래프를 이용한 모양 검색

  • 방난효 (유한대학 정보통신학과) ;
  • 엄기현 (동국대학교 컴퓨터멀티미디어공학과)
  • Published : 2005.10.01
Download PDF
⟨ Previous Next ⟩

Abstract

A shape data is used one oi most important feature for image retrieval as data to reflect meaning of image. Especially, structural feature of shape is widely studied because it represents primitive properties of shape and relation information between basic units well. However, most structural features of shape have the problem that it is not able to guarantee an efficient search time because the features are expressed as graph or tree. In order to solve this problem, we generate curvature-based morphological graph, End design key to cluster shapes from this graph. Proposed this graph have contour features and morphological features of a shape. Shape retrieval is accomplished by stages. We reduce a search space through clustering, and determine total similarity value through pattern matching of external curvature. Various experiments show that our approach reduces computational complexity and retrieval cost.

모양 데이타는 이미지가 나타내는 의미를 가장 잘 반영하는 데이타로서 이미지 검색에 중요한 정보로 사용된다 특히 구조적으로 표현된 모양 특징은 모양이 갖는 기초적 특성과 그들간의 관계 정보를 잘 나타내므로 폭넓게 연구되고 있다. 그러나 대개의 구조적 모양 특징들은 그래프나 트리와 같은 구조로 표현되므로 모양 데이타 검색에서 효율적인 검색 시간을 보장할 수 없는 문제를 지니고 있다. 이러한 문제를 해결하기 위하여 본 논문에서는 모양의 윤곽선 정보를 기반으로한 굴곡 기반 형태 그래프를 생성하고 이를 일반화한 구조로부터 모양을 클러스터링할 수 있는 키를 설계한다. 제안한 굴곡 기반 형태 그래프는 모양이 가지고 있는 윤곽선 특성과 영역의 형태적 특성을 모두 가지고 있다. 모양 검색은 단계적으로 이루어진다. 클러스터링을 통해 검색 공간을 축소하고 외부 굴곡 특징을 이용한 굴곡의 패턴 매칭을 통해 종합적인 유사도가 결정된다. 다양한 실험을 통해 굴곡 기반 형태 그래프와 클러스터링을 통해 검색 공간과 비용이 줄어드는 것을 보여준다.

Keywords

References

  1. A.Torsello and E.R.Hancock, 'Computing approximation tree edit distance using relaxation labelling,' Pattern Recognotion Letters, 24:1089-1097, 2003 https://doi.org/10.1016/S0167-8655(02)00255-6
  2. Belongie, S.; Malik, J; Puzicha, J. 'Shape matching and object recognition using shape contexts,' IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 24 Issue: 4, pp. 509-522, April, 2002 https://doi.org/10.1109/34.993558
  3. Geiger, D.; Liu, T.-L.; Kohn, R.V.;, 'Representation and self-similarity of shapes,' IEEE Transactions on Pattern Analysis and Machine Intelligence, Volume: 25 Issue: 1, pp. 86-99, 2003 https://doi.org/10.1109/TPAMI.2003.1159948
  4. E. Milios and E. Petrakis, 'Shape retrieval based on dynamic programming,' Proc. Trans.on Image, Vol. 9, No. 1, pp. 141-146, 2000 https://doi.org/10.1109/83.817606
  5. Sebastian, T.B.; Kimia, B.B, 'Curves vs skeletons in object recognition,' International Conference on Image Processing, Vol. 3, pp. 22-25, Oct. 2001 https://doi.org/10.1109/ICIP.2001.958041
  6. E. Klassen and A. Srivastava and W. Mio and S. Joshi, 'Analysis of planar shapes using geodesic paths on shape spaces,' IEEE Pattern Analysis and Machiner Intelligence, 2004 https://doi.org/10.1109/TPAMI.2004.1262333
  7. R. Basri and L. Costa and D. Geiger and D. Jacobs, 'Determining the Similarity of Deformable Shapes,' Vision Research, 38:2365-2385, 1998 https://doi.org/10.1016/S0042-6989(98)00043-1
  8. Kaleem Siddiqi, Ali Shokoufandeh, Sven J. Dickinson, Steven W. Zucker, 'Shock Graphs and Shape Matching,' ICCV, pp. 222-229, 1998 https://doi.org/10.1109/ICCV.1998.710722
  9. Di Ruberto, C.; 'Attributed skeletal graphs for shape modelling and matching,' International Conference on Image Analysis and Processing, pp. 554-559, Sept. 17-19, 2003 https://doi.org/10.1109/ICIAP.2003.1234108
  10. B. Kimia and A. Tannebaum and S. Zucker, 'Shapes, Shocks, and Deformations I: The Cornponents of Two-Dimensional Shape and the Reaction-Diffusion Space,' Int'l Journal of Computer Vision, Vol. 15, pp. 189-224, 1995 https://doi.org/10.1007/BF01451741
  11. Fudos, I.; Palios, L.; Pitoura, E.;, 'Geometric-similarity retrieval in large image bases,' International Conference on Data Engineering, pp. 441-450, 2002 https://doi.org/10.1109/ICDE.2002.994757
  12. Thomas B. Sebastian, Philip N. Klein, Benjamin B. Kimia, 'Shock-based Indexing into Large Shape Databases,' ECCV (3), pp. 731-746, 2002
  13. Bin Luo: Robles-Kelly, A.; Torsello, A.; Wilson, R.C.; Hancock, E.R. 'Learning shape categories by clustering shock trees,' International Conference on Image Processing, Vol. 2, pp. 672-675, 2001 https://doi.org/10.1109/ICIP.2001.958208
  14. Tyng-Luh Liu, Davi Geiger, 'Approximate Tree Matching and Shape Similarity,' IEEE Intl. Conference on Computer Vision, Vol.1, pp. 456-462, 1999 https://doi.org/10.1109/ICCV.1999.791256
  15. 조성택, 엄기현, '모양 기반 이미지 분류를 위한 최적의 우세점 추출', 한국정보과학회 논문지 : 데이타베이스 제30권 4호, pp. 362-371, 2003.8
  16. Nanhyo Bang, Kyhyun Um, 'Structural Analysis and Matching of Shape by Logical Property,' Joint IAPR International Workshops on Syntactical and Structural Pattern Recognition, Lisbon, Portugal, (LNCS 3138), pp. 521-529, 2004.8 https://doi.org/10.1007/b98738
  17. Maytham Safar, Cyrus Shahabi, Xiaoming Sun, 'Image Retrieval By Shape: A Comparative Study,' IEEE International Conference on Multimedia and Expo (I), pp. 141-154, 2000 https://doi.org/10.1109/ICME.2000.869564