The KIPS Transactions:PartB (정보처리학회논문지B)

Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Skeleton Tree for Shape-Based Image Retrieval

모양 기반 영상검색을 위한 골격 나무 구조

  • Published : 2007.08.31
Download PDF
⟨ Previous Next ⟩

Abstract

This paper proposes a skeleton-based hierarchical shape description scheme, called a skeleton tree, for accurate shape-based image retrieval. A skeleton tree represents an object shape as a hierarchical tree where high-level nodes describe parts of coarse trunk regions and low-level nodes describe fine details of boundary regions. Each node refines the shape of its parent node. Most of the noise disturbances are limited to bottom level nodes and the boundary noise is reduced by decreasing weights on the bottom levels. The similarity of two skeleton trees is computed by considering the best match of a skeleton tree to a sub-tree of another skeleton tree. The proposed method uses a hybrid similarity measure by employing both Fourier descriptors and moment invariants in computing the similarity of two skeleton trees. Several experimental results are presented demonstrating the validity of the skeleton tree scheme for the shape description and indexing.

본 논문에서는 내용기반 영상검색 시스템에서 검출 정확성을 개선하기 위한 모양 기반 객체 표현 기법인 골격 나무 구조와 골격 나무 구조에 기반한 검색 기법을 제시한다. 모양의 표현을 위한 새로운 골격 나무 표현 기법은 객체의 모양을 계층적인 나무 구조로 표현한다. 나무 구조에서의 상위 레벨의 노드들은 객체 모양의 대략적인 몸체를 표현하고 하위 레벨의 노드들은 객체 모양의 세밀한 부분을 표현한다. 대부분의 영상 잡음 영향은 하위 레벨의 노드들에 국한되므로 외곽선 잡음의 영향은 하위 레벨에 대한 가중치를 조절하여 감소시킬 수 있다. 두 골격 나무의 유사성은 두 나무의 골격 노드들을 매칭하여 계산된다. 두 골격 노드들의 집합이 표현하는 영역의 유사성 계산을 위해서 Zernike 모멘트 불변량과 Fourier 기술자 불변량의 조합이 사용된다. 검출의 정확도를 다른 유사성 측도와 비교하고 그 결과를 제시하였다. 실험 결과 제안된 검색 기법의 검출 정확도가 증가하였음을 알 수 있었다.

Keywords

References

  1. D. Zhang, G. Lu, 'Review of shape representation and description techniques,' Pattern Recognition, Vol. 37, pp. 1-19, 2004 https://doi.org/10.1016/j.patcog.2003.07.008
  2. M. S. K. B. M. Mehtre, W. F. Lee, 'Shape measures for content based image retrieval: a comparison,' Information Processing and Management, Vol. 33(3), pp. 319-337, 1997 https://doi.org/10.1016/S0306-4573(96)00069-6
  3. A. Telea, C. Sminchisescu, S. J. Dickinson, 'Optimal inference for hierarchical skeleton abstraction,' ICPR'2004, pp. 19-22. 2004 https://doi.org/10.1109/ICPR.2004.1333695
  4. A. Torsello, E. R. Hancock, 'A skeletal measure of 2D shape similarity,' Computer Vision and Image Understanding, Vol. 95(1), pp. 1-29, 2004 https://doi.org/10.1016/j.cviu.2004.03.006
  5. K. Siddiqi, A. Shokoufandeh, S. J. Dickinson, S. W. Zucker, 'Shock graphs and shape matching,' Int. J. Comput. Vision, Vol. 35(1), pp. 13-32, 1999 https://doi.org/10.1023/A:1008102926703
  6. T. Sebastian, P. Klein, B. Kimia, 'Recognition of shapes by editing their shock graphs,' IEEE Trans. Pattern Anal. Machine Intell., Vol. 26(5), pp. 550-571, 2004 https://doi.org/10.1109/TPAMI.2004.1273924
  7. C. D. Ruberto, 'Recognition of shapes by attributed skeletal graphs,' Pattern Recognition, Vol. 37(1), pp. 21 -31, 2004 https://doi.org/10.1016/j.patcog.2003.07.004
  8. F. Mokhtarian, S. Abbasi, J. Kittler, 'Robust and efficient shape indexing through curvature scale space,' in: Proceedings of British Machine Vision Conference, pp. 53-62, 1996
  9. S. Sclaroff, A. Pentland, 'Modal matching for correspondence and recognition,' IEEE Trans. Pattern Anal. Machine Intell., Vol. 17(6), pp. 545-561, 1995 https://doi.org/10.1109/34.387502
  10. A. Folkers, H. Samet, 'Content-based image retrieval using Fourier descriptors on a logo database,' ICPR'2002, Vol. 3, Quebec City, Canada, pp. 521-524, 2002 https://doi.org/10.1109/ICPR.2002.1047991
  11. C. Arcelli, G. S. di Baja, 'Euclidean skeleton via centre-of-maximal-disc extraction,' Image and Vision Computing, Vol. 11, pp. 163-173, 1993 https://doi.org/10.1016/0262-8856(93)90055-L
  12. R. M. Haralick, L. G. Shapiro, 'Computer and Robot Vision I,' Addison-Wesley, 1992
  13. D. Attali, A. Montanvert, 'Modeling noise for a better simplification of skeletons,' ICIP'1996, Vol. 3, pp. 13-16, 1996 https://doi.org/10.1109/ICIP.1996.560357
  14. M. K. Hu, 'Visual pattern recognition by moment invariants,' IRE Transactions in Information Theory, Vol. 8, pp. 179-187, 1962 https://doi.org/10.1109/TIT.1962.1057692
  15. M. R. Teague, 'Image analysis via the general theory of moments,' Journal of Optical Society of America, Vol. 70, pp. 920-930, 1980 https://doi.org/10.1364/JOSA.70.000920
  16. C.-H. Teh, R. T. Chin, 'On image analysis by the methods of moments,' IEEE Trans. Pattern Anal. Machine Intell., Vol. 10(4), pp. 496-513, 1988 https://doi.org/10.1109/34.3913
  17. A. Khotanzad, Y. H. Hong, 'Invariant image recognition by Zernike moments,' IEEE Trans. Pattern Anal. Machine Intell., Vol. 12(5), pp. 489-497, 1990 https://doi.org/10.1109/34.55109
  18. E. A. N. Ezer, B. Sankur, 'A comparative study of moment invariants and Fourier descriptors in planar shape recognition,' in: Proceedings of 7th Mediterranean Electrotechnical Conference, Vol. 1, pp. 242 - 245, 1994 https://doi.org/10.1109/MELCON.1994.380923
  19. C. W. Chong, P. Raveendran, R. Mukundan, 'Translation invariants of Zernike moments,' Pattern Recognition, Vol. 36, pp. 1765-1773, 2003 https://doi.org/10.1016/S0031-3203(02)00353-9