• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2004년도 ICCAS
• /
• pp.810-813
• /
• 2004

Indexing and Retrieving images from large and varied collections using image content as a key is a challenging and important problem in computer vision application. In this paper, a color Content-based Image Retrieval (CBIR) system using hierarchical Region of Interest (ROI) query and indexing is presented. During indexing process, First, The ROIs on every image in the image database are extracted using a region-based image segmentation technique, The JSEG approach is selected to handle this problem in order to create color-texture regions. Then, Color features in form of histogram and correlogram are then extracted from each segmented regions. Finally, The features are stored in the database as the key to retrieve the relevant images. As in the retrieval system, users are allowed to select ROI directly over the sample or user's submission image and the query process then focuses on the content of the selected ROI in order to find those images containing similar regions from the database. The hierarchical region-of-interest query is performed to retrieve the similar images. Two-level search is exploited in this paper. In the first level, the most important regions, usually the large regions at the center of user's query, are used to retrieve images having similar regions using static search. This ensures that we can retrieve all the images having the most important regions. In the second level, all the remaining regions in user's query are used to search from all the retrieved images obtained from the first level. The experimental results using the indexing technique show good retrieval performance over a variety of image collections, also great reduction in the amount of searching time.

• 정보처리학회논문지B
• /
• 제9B권1호
• /
• pp.113-118
• /
• 2002

본 논문에서는 클러스터 기반의 영상 검색 기법을 제시한다. 이 기법은 클러스터링 기법인 RAGMD를 이용하여 유사한 영상들을 클러스터로 분류한 후, 관련 클러스터로부터 영상을 검색하는 방법이다. 영상 검색시에 먼저, 전체 영상 데이터베이스를 차례대로 일일이 검색하는 것이 아니라, 질의 영상과 유사한 클러스터인 유사 영상 소집단에서 검색한다. 그러므로 이 방법은 직접 검색(Exhaustive Retrieval)과 거의 같은 검색 정밀도(Precision)를 유지하면서 검색 시간을 단축할 수 있다. 약 2,400개의 실제 영상들로 구성된 영상 데이터베이스를 사용한 실험에서, 제안된 검색 방법이 직접 검색과 거의 같은 정밀도를 유지하면서 약 18배의 빠른 검색 시간을 보였으며, 질의 영상과 같은 클래스에 속한 유사한 영상들을 더 많이 검색하는 것으로 나타났다.