초록
칼라 코렐로그램은 칼라 히스토그램처럼 픽셀의 칼라 정보만을 고려하지 않고 영상의 픽셀의 공간 정보까지 고려하기 때문에 콘텐츠 기반 영상 검색(CBIR)에서 널리 사용되어 왔다. 칼라 코렐로그램은 하나의 칼라 형태를 사용한다. 그래서 칼라 코렐로그램은 영상 검색 시 같은 영상이라도 크기가 다를 경우 다른 영상으로 인식하는 등 영상의 특징을 구별해내는데 강건하지 않다. 본 논문에서는 RGB와 HSV의 두 가지 칼라 형태를 사용하여 코렐로그램을 함으로써 기존의 알고리즘보다 영상의 특징을 더 잘 구별해내는 알고리즘을 제안하였다. 이 제안된 알고리즘은 대규모 영상 데이터베이스에서 테스트하였고 그 결과 하나의 칼라 형태를 사용한 코렐로그램 알고리즘과 비교하여 검색된 영상의 평균 순위가 5.63 낮아져 제안한 알고리즘이 더 나은 검색 성능을 나타낸다는 것을 보여준다.
Color correlogram is widely used in content-based image retrieval (CBIR) because it extracts not only the color distribution of pixels in images like color histogram, but also extracts the spatial information of pixels in the images. The color correlogram uses single color space. Therefore, the color correlograms does not have robust discriminative features. In this paper, we use both RGB and HSV color spaces together for the color correlogram to achieve better discriminative features. The proposed algorithm is tested on a large database of images and the results are compared with the single color space color correlogram. In simulation results, the proposed algorithm 5.63 average retrieval rank less than single color space correlogram.
