DOI QR코드

DOI QR Code

A Novel Sub-image Retrieval Approach using Dot-Matrix

점 행렬을 이용한 새로운 부분 영상 검색 기법

  • Kim, Jun-Ho (Department of Computer Engineering, Pusan National University) ;
  • Kang, Kyoung-Min (Department of Computer Engineering, Pusan National University) ;
  • Lee, Do-Hoon (Department of Computer Engineering, Pusan National University)
  • 김준호 (부산대학교 컴퓨터공학과) ;
  • 강경민 (부산대학교 컴퓨터공학과) ;
  • 이도훈 (부산대학교 컴퓨터공학과)
  • Received : 2012.01.27
  • Accepted : 2012.03.08
  • Published : 2012.03.31

Abstract

The Image retrieval has been study different approaches which are text-based, contents-based, area-based method and sub-image finding. The sub-image retrieval is to find a query image in the target one. In this paper, we propose a novel sub-image retrieval algorithm by Dot-Matrix method to be used in the bioinformatics. Dot-Matrix is a method to evaluate similarity between two sequences and we redefine the problem for retrieval of sub-image to the finding similarity of two images. For the approach, the 2 dimensional array of image converts a the vector which has gray-scale value. The 2 converted images align by dot-matrix and the result shows candidate sub-images. We used 10 images as target and 5 queries: duplicated, small scaled, and large scaled images included x-axes and y-axes scaled one for experiment.

영상 검색 방법은 텍스트 기반, 내용 기반, 영역 기반 영상 검색, 부분 영상 검색 방법 등 다양한 연구가 이루어지고 있다. 그 중에 부분 영상 검색은 질의 영상을 포함하는 대상 영상을 찾는 문제이다. 본 논문에서는 생물정보학에서 사용하는 점 행렬 방법을 이용한 새로운 부분 영상 검색 방법을 제안한다. 점 행렬은 두 DNA 서열 간에 유사도를 시각화하는 방법으로써 영상 검색에 적용하여 두 영상 간에 유사도를 비교하는 문제로 재정의한다. 이 알고리즘을 적용하기 위해서 이차원 배열 정보인 영상을 일차원 명암도 영상으로 변환한다. 두 일차원 명암도 영상을 정렬하여 생성된 점 행렬을 이용하여 부분 영상 후보 영역을 생성한다. 실험에는 10 개의 대상 영상과 대상 영상의 부분을 복사한 영상, 축소한 영상, 확대한 영상으로 5종류의 질의 영상을 사용하였다.

Keywords

References

  1. A. B. Benitez, M. Beigi and Shih-Fu Chang, "Using relevance feedback in content-based image metasearch", IEEE internet Computing, Jul/Aug, 1998.
  2. http://en.wikipedia.org/wiki/Sequence_alignment#Dot-matrix_methods
  3. C. Harris and M. Stephens, "A Combined Corner and Edge Detector", Proc. Alvey Vision Conf., pp. 147-151, 1988.
  4. T. Lindeberg, "Featrue detection with automatic scale selection", International Journal of Computer Vision, Vol. 30, no. 3, pp. 79-116, 1998. https://doi.org/10.1023/A:1008045108935
  5. D. G. Lowe, "Distinctive Image Feature from Scale- Invariant Keypoints", international Journal of Computer Vision, Vol. 60, no. 2, pp. 91-110, 2004. https://doi.org/10.1023/B:VISI.0000029664.99615.94
  6. D. G. Lowe, "Object recognition from local scaleinvariant features", The Proceedings of the Seventh IEEE International Conference on Computer Vision, 1999.
  7. H. Bay, A. Ess, T. Tuytelaars and L. V. Gool, "Speeded-Up Robust Features (SURF)", Computer Vision and Image Understanding, Vol. 110, June 2008.
  8. K. Mikolajczyk and C. Schmid, "A performance evaluation of local descriptors", IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 27, No. 10, Oct 2005.
  9. N. Mehta, R. S. Alomari and V. Chaudhary, "Content based sub-image retrieval system for high resolution pathology images using salient interest points", 31st Annual International Conference of the IEEE EMBS, 2009.
  10. Yan Ke, Rahul Sukthankar, and Larry Huston, "Efficient Near-duplicate Detection and Sub-image Retrieval", Proceedings of ACM International Conference on Multimedia, 2004.