Content based Image Retrieval using RGB Maximum Frequency Indexing and BW Clustering

RGB 최대 주파수 인덱싱과 BW 클러스터링을 이용한 콘텐츠 기반 영상 검색

This study proposed a content-based image retrieval system that uses RGB maximum frequency indexing and BW clustering in order to deal with existing retrieval errors using histogram. We split RGB from RGB color images, obtained histogram which was evenly split into 32 bins, calculated and analysed pixels of each area at histogram of R, G, B and obtained the maximum value. We indexed the color information obtained, obtained 100 similar images using the values, operated the final image retrieval system using the total number and distribution rate of clusters. The algorithm proposed in this study used space information using the features obtained from R, G, and B and clusters to obtain effective features, which overcame the disadvantage of existing gray-scale algorithm that perceived different images as same if they have the same frequencies of shade. As a result of measuring the performances using Recall and Precision, this study found that the retrieval rate and priority of the proposed algorithm are more outstanding than those of existing algorithm.

칼라 코렐로그램은 계산량이 많아지고 저장 공간이 커져서 검색하는 시간이 길어지므로 일반적으로 64*64 로 양자화 하여 사용되어지는데, 본 논문에서는 메디안 픽셀 특징에 공간정보를 이용하여 9*9 로 양자화 하였다. 기존 알고리즘의 경우 메디안 값이 중복되는 경우 중복된 값들을 정렬하여 그 중 가운데 값을 특징자 값으로 정하였으나, 제안된 알고리즘에서는 중복된 값들을 정렬하여 그 중 공간정보가 가장 작은 값을 특징자 값으로 정하였다. 그리고 코렐로그램을 적용하여 특징자 테이블을 구성하고 이를 이용하여 비교하였다. 제안된 알고리즘은 시뮬레이션을 통해 테스트 하였고 그 결과 기존 알고리즘 보다 더 나은 검색성능을 나타내게 되었다.