한국정보과학회논문지:컴퓨팅의 실제 및 레터 (Journal of KIISE:Computing Practices and Letters)

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

단위블록의 색공간 내용비교 기반 2차원 블록정렬을 이용한 이미지 매칭방법

A Method of Image Matching by 2D Alignment of Unit Block based on Comparison between Block Content

  • 장철진 (부산대학교 컴퓨터공학과) ;
  • 조환규 (부산대학교 컴퓨터공학과)
  • 발행 : 2009.08.15
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

급증하는 디지털 사진 데이터를 내용정보를 고려하여 효율적으로 관리하기 위해서는 무엇보다도 각 사진 이미지들이 얼마나 유사한지를 밝히는 것이 중요하다. 이를 위해 사진을 블록 단위로 분할하고 높은 유사도를 가지는 상위 블록 쌍을 이용하여, 그리디 알고리즘에 기반한 2차원 정렬(alignment)을 통해 주변 블록으로 유사 매칭 영역을 확장함으로써 동일한 객체 혹은 배경을 공유하고 있는지를 판별한다. 제안하는 정렬 알고리즘을 이용해 전체 이미지상에서 최적의 매칭 유사도 값을 가지는 블록영역을 추출해낼 수 있으며, 객체의 이동이나 자세의 변경 및 카메라의 줌 변경에 구애 받지 않으면서 계산이 가능하다. 실험을 통해 다양한 사진에 대해서 제안한 방법이 어떻게 적용될 수있는 지를 알아보고, 추후의 디지털 사진 클러스터링 및 대용량 사진 관리에 유용하게 활용될 수 있음을 살펴본다.

Due to the popular use of digital camera, a great number of photos are taken at every usage of camera. It is essential to reveal relationship between photos to manage digital photos efficiently. We propose a method that tessellates image into unit blocks and applies 2D alignment to extend content-based similar region from seed block pair having high similarity. Through an alignment, we can get a block region scoring best matching value on whole image. The method can distinguish whether photos are sharing the same object or background. Our result is less sensitive to transition or pause change of objects. In experiment, we show how our alignment method is applied to real photo and necessities for further research like photo clustering and massive photo management.

키워드

참고문헌

  1. JEIDA, Digital still camera image file format standard, 1998
  2. K. Rodden and K. R. Wood, “How do people manage their digital photographs?,” Proc. CHI'03, pp.409-416, 2003 https://doi.org/10.1145/642611.642682
  3. A. Loui and A. Savakis, “Automatic event clus-tering and quality screening of comsumer pictures for digital albuming,” IEEE Trans. Multimedia, 5(3):390-402, 2003 https://doi.org/10.1109/TMM.2003.814723
  4. M. Cooper, J. Foote, A. Girgensohn, and L.Wilcox, “Temporal event clustering for digital photo col-lections,” ACM Trans. Multimedia Comput. Com-mun. Appl., vol.1, no.3, pp.269-288, 2005 https://doi.org/10.1145/1083314.1083317
  5. M. Boutell and J. Luo, “Bayesian fusion of camera metadata cues in semantic scene classification.” Proc. of CVPR'04, vol.2. pp.623-630, 2004 https://doi.org/10.1109/CVPR.2004.1315222
  6. M. Naaman, Y. J. Song, A. Paepcke, and H. Garcia-Molina, “Automatic organization for digital photographs with geographic coordinates,” Proc.JDCL'04, pp.53-62, 2004 https://doi.org/10.1145/996350.996366
  7. T. Deselaers, D. Keysers and H. Ney, “Features for image retrival: an experimental comparison,” Information Retrieval, vol.11, pp.77-107, 2008 https://doi.org/10.1007/s10791-007-9039-3
  8. F. Long, H. Zhang and D. Feng, “Fundamentals of content-based image retrieval,” Multimedia Infor-mation Retrieval and Management, Springer, 2003
  9. X. Li, “Image retrieval based on perceptive weighted color blocks,” Pattern Recognition Letters, vol.24, pp.1935-1941, 2003 https://doi.org/10.1016/S0167-8655(03)00032-1
  10. K. Vu, K. A. Hua and W. Tavanapong, "lmage retrieval based on regions of interest," IEEE Trans. on Knowledge and Data Engineering, vol.15, no.4, pp.1045-1049, 2003 https://doi.org/10.1109/TKDE.2003.1209021
  11. C. Jang, J. Lee, J. Lee, and H. Cho, "Smart management system for digital photograph using temporal and spatial features with EXIF metadata," Proc. of ICDIM'07, pp.110-115, 2007 https://doi.org/10.1109/ICDIM.2007.4444209