• Proceedings of the Korea Multimedia Society Conference
• /
• 1998.04a
• /
• pp.28-33
• /
• 1998

대량의 영상데이터베이스에서 질의영상에 대한 유사영상을 검색할 때의 유사도 계산을 위한 시간소모는 영상의 실시간 검색효율을 저하시키는 요인이 된다. 본 논문에서는 키영상(key image)을 이용하여 영상데이터베이스의 각 영상과 키영상의 유사도를 미리 계산해 둠으로써 질의영상과 데이터베이스 영상간의 유사도 계산시간을 단축시킨다. 그리고 검색효율을 높이기 위해 1차적으로 칼라특징으로 유사영상들을 분류한 후, 1차 분류된 영상들만을 대상으로 계층적으로 질감특징값으로 영상을 비교함으로써 검색효율을 상승시킨다. Oracle 데이터베이스 상에서 본 계층적 내용기반 영상검색시스템을 구현하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.04a
• /
• pp.426-429
• /
• 2011

영상처리를 이용한 영상간의 유사도 비교 기법은 영상의 검색 및 영상의 자동 인식 등을 위한 연구로 최근 각광받고 있다. 최근 영상 처리 기법은 화소의 질적 향상 및 처리시간 최적화, 효율적인 특정 요소의 추출 등 다양한 방법으로 시도되고 있다. 특히, 영상의 유사도 비교는 유사 영상 검색과 같은 경우에 많이 쓰인다. 영상의 유사도를 비교하기 위한 기법으로는 영상 데이터의 특징에 따라 대상 영역을 여러 영역으로 나누는 영역분할 기법과 군집화, 퍼지, 유전자 알고리즘 등이 있다. 본 논문에서는 영상을 HSV 색공간으로 변환한 후 색상 값에 대하여 전역 정렬 기법을 사용하는 유사도 측정 방법을 제시한다. 전역 정렬 기법은 유전자 서열 비교 기법 중 하나로서 두 유전체의 유사도를 측정하는데 사용된다. 유사도 측정 효율을 높이기 위해 색상 값을 8단계로 양자화하여 영상의 서열을 생성하였다. 실험결과 제시한 방법을 영상 회전이나 대칭, 글자 삽입 등의 간단한 연산에 크게 영향을 받지 않는 것으로 드러났다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.04b
• /
• pp.34-36
• /
• 2002

의료영상 처리시스템의 자동인식 결과 등과 함께 진단 중인 의죠 영상과 유사한 영상객체를 임의로 검색하여 부가정보로 활용할 수 있는 지능적 의료정보 시스템 구현에 대하여 논한다 의료 영상객체간 유사도 계산을 위하여 각 객체로부터 추출된 특징 정보를 객체 속성으로 이용하며, 이 들 특징 값들의 빈도와 관련 분포 속성 간 관련성 등을 고려한 유사객체 분류방식을 사용한다. 이와 같이 얻어진 영상객체 간 유사도 정보는 지식베이스로 관리되어 자동 영상 인식에 사용될 뿐 아니라 유사 영상 검색 및 진단의 근거자료로 사용된다. 즉 전문의나 병리학자들은 진단 과정에서 유사영상의 판독 결과 등을 참조함으로써 영상의 정확한 판독 및 진단 확증의 객관적 근거 자료를 학보하는데 도움을 받을 수 있다. 구현된 시스템의 적용 예로 자궁경부 세포진 영상인식 시스템을 이용하여 그 유용성을 보인다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.11b
• /
• pp.141-144
• /
• 2002

영상에서의 칼라분포 정보는 영상간의 유사성을 표현하는데 매우 유용하여 내용기반 영상검색분야에서 기본적으로 사용하고 있다. 이때, 영상 데이터베이스에서의 각 영상에 대하여 동일한 방식으로 (비)균일하게 양자화하여 표현한 칼라 히스토그램이 주로 사용되고 있다. 그러나, 전체영상에 대하여 동일한 개수의 고정된 양자화를 통해 칼라분포 정보를 표현하는데, 여러 가지 문제점과 성능 차이가 있어 다양한 해결 방안이 연구되고 있다. 본 논문에서는, 적응적 양자화 방법으로 각 영상의 칼라분포 정보를 표현하되, 상이한 양자화 칼라간의 유사도를 정의하여 칼라히스토그램 인터섹션 방법과 유사하게 영상간의 칼라분포 유사도를 계산하는 방법을 제안한다. 양자화 칼라간의 유사도는 거리에 반비례하면서 두 양자화 칼라의 작은 빈도값에 비례하도록 정의하였다. 영상간의 칼라분포 유사도는 칼라 히스토그램 인터섹션 방법을 생산자-소비자 모델로 해석하여 구하는 방법을 제안한다. 제안한 방법에 의해 기존의 칼라 히스토그램 인터섹션 방법보다 향상된 결과를 얻을 수 있음을 실험을 통해 확인하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.358-360
• /
• 2001

본 논문에서는 내용기반 영상검색중 객체기반검색 방법에 대해 다룬다. 먼저 색상과 질감정보가 동일한 영역을 VQ알고리즘을 이용해 군집화 함으로써 동일한 영역을 추출하는 새로운 영상분할기법을 제안하고, 분할 후에 분할에 사용된 색상과 질감정보, 객체간의 위치정보와 영역크기정보를 가지고 객체간 유사도를 판별하여 영상을 검색한다. 이 때 사용되는 색상의 범위의 몇 개의 주요한 색상으로 표시하기 위해 색상테이블을 사용하고 인간의 인지도에 의해 다시 그룹화 함으로써 계산량과 데이터저장의 효율성을 높인다. 영상검색시에는 질의 영상의 관심객체와 비교대상이 되는 데이터베이스 영상의 여러 객체와의 유사성을 판단하여 영상간의 유사도를 계산하는 일대다 매칭 방법(One Object to Multi Objects Matching)과 질의 영상의 여러 객체와 데이터베이스영상의 여러 객체간의 유사도를 판단하는 다대다 매칭 방법(Multi Objects to Multi Objects Matching)을 제안한다. 또한, 제안된 시스템은 고속검색을 실현하기 위해 주요한 색상값을 키(key)색인화 해서 일치가능성이 없는 영상들은 1차적으로 제거함으로써 검색시간을 줄일 수 있도록 했다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.05c
• /
• pp.164-169
• /
• 2002

칼라 정보를 이용하여 영상을 정합하기 위해서는 적은 수의 칼라 집합으로 영상을 표현하는 영상 양자화 과정이 필요하다. 적응적 양자화를 사용하는 경우에는 균일 양자화에 비해 높은 정합 성능을 기대할 수 있지만 상이한 칼라 집합의 생성으로 인해 영상 정합 과정이 힘들게 된다. 이에 본 논문에서는 상이한 칼라 집합을 갖는 영상을 정합할 수 있는 기초적인 연구를 수행하였다. 영상 정합을 위해 우선 STR(sort-tile-recursive) 방법[1]을 응용하여 질의 영상의 각 칼라에 대한 유사 칼라를 DB 영상으로부터 빠르게 선정할 수 있는 방법을 개발하였다. 질의 칼라와 유사 칼라간의 유사도를 정의하고 이를 기반으로 영상간의 유사도를 계산함으로써 영상 정합에 이용할 수 있도록 하였다. 칼라간의 유사도는 칼라 차이가 고려되어 정의되는데 칼라 차이는 칼라 공간에서의 칼라 거리로 계산된다. 칼라 거리를 계산하기 위해 유클리디언 거리를 이용할 경우 많은 계산량이 요구되므로 기존의 시티블록 거리나 체스보드 거리에 비해 유클리디언 거리를 좀더 유사하게 근사화하면서 빠른 계산이 가능한 거리 계산 방법을 개발하였다.

• Broadcasting and Media Magazine
• /
• v.8 no.2
• /
• pp.149-159
• /
• 2003

현재 사회 전반에 걸쳐 급격히 증가하고 있는 멀티미디어 정보를 효율적으로 관리, 활용할 수 있는 방법이 다양하게 연구되고 있다. 본 연구에서는 내용기반 영상검색을 위한 다중 영상특징 추출방법과 특징결합 방법을 제시한다. 우선 전처리 및 캐니 에지 검출법으로 질의영상내 물체영역의 에지를 검출한다. 그 다음에 제안한 볼록 다각형 알고리즘을 통해 분할된 물체영상을 획득한다. 분할된 물체영상은 HSV 공간으로 변환되고 히스토그램 인터섹션 방법으로 유사도가 측정된다. 또한 분할된 물체영상은 웨블릿 변환 영상으로도 변환된다. 이러한 변환후 웨블릿 부밴드의 LL 영역에 제안하는 거리 밴드 평균 오토코릴로그램 알고리즘을 적용하여 오토코릴로그램 유사도를 측정한다. 그리고 GLCM을 이용한 엔트로피와 콘트라스트 유사도는 LH, HL 영역에서 측정된다. 전 과정을 통해 얻은 4개의 다중 영상특징은 수정된 보다 카운트 방법으로 결합되고 최종 유사도가 결정된다. 실험결과 제안한 다중 영상특징을 사용한 검색 방법이 단일 영상특징을 사용하는 검색 방법보다 소환성과 정확성의 성능에 있어 우수함을 보였다. 그리고 NMRR 측정에서도 개선된 성능을 보였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2016.11a
• /
• pp.10-12
• /
• 2016

본 논문에서는 선 드로링 도면 간의 유사도 정도를 비교하여 도면으로 표현된 3차원 물체의 유사도 측정 알고리즘을 제안한다. 앞면, 뒷면, 좌측면, 우측면, 윗면, 아래면의 선 드로잉 영상으로 표현된 총 여섯 개의 영상을 한 물체의 대표 영상으로 이용한다. 데이터베이스의 3차원 물체 영상들은 전처리를 거친 후 각 영상의 여덟 방향의 그래디언트(gradient) 히스토그램을 측정하고 각 영상을 히스토그램의 기술자 벡터로서 표현하여 저장한다. 입력 영상 역시 같은 방식으로 기술자 벡터를 구하고 이를 비교될 영상의 기술자와 비교하여 유사도를 측정한다. 이와 같은 방식으로 가장 유사한 영상 집합을 가지는 N개의 물체를 탐색하여 시각적으로 제시한다.

• Journal of KIISE:Computing Practices and Letters
• /
• v.9 no.2
• /
• pp.158-165
• /
• 2003

Image similarity is often decided by computing the distance between two feature vectors. Unfortunately, the feature vector cannot always reflect the notion of similarity in human perception. Therefore, most current image retrieval systems use weights measuring the importance of each feature. In this paper new initial weight selection and update rules are proposed for image retrieval purpose. In order to obtain the purpose, database images are first divided into groups based on human perception and, inner and outer query are performed, and, then, optimal feature weights for each database images are computed through searching the group where the result images among retrieved images are belong. Experimental results on 2000 images show the performance of proposed algorithm.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2016.06a
• /
• pp.40-43
• /
• 2016

본 논문에서는 다수의 영상을 빠르고 오류 없이 정합하기 위하여 정합과정의 전 처리로써 유사도 맵 생성 알고리즘을 제안한다. 본 논문에서는 블록화한 히스토그램을 통하여 영상간의 관계를 판별하게 된다. 두 영상의 블록 히스토그램을 비교하여 영상 간의 유사성과 위치관계를 8 방향으로 판별하고 이를 이용하여 유사도 맵에 영상들을 정렬하게 된다. 유사도 맵의 생성으로 정합 알고리즘을 적용해야 하는 경우의 수가 줄어들어 복잡도는 낮아지게 되어 이후 정합과정에서 속도의 이득을 얻을 수 있다. 또한 정합 방법으로 변형이 적은 영상을 정합하는데 탁월한 성능과 속도를 보이는 히스토그램을 이용한 방법을 제안한다. 제안 알고리즘을 이용하여 실험한 결과 기존의 다중 영상 스티칭 알고리즘에 비하여 매우 빠른 속도를 확인 할 수 있고 결과 영상 또한 오류가 적은 것을 확인 할 수 있다.