KR19990053172A - 칼라 특징벡터를 이용한 영상정보 검색방법 - Google Patents

Abstract

본 발명은 칼라 특징 벡터를 이용한 영상정보 검색방법에 관한 것이다.

본 발명에서는 간략화된 칼라 특징 벡터를 이용한 영상정보 검색 기법을 제안한다. 칼라 정보를 이용한 영상 검색을 위하여, 영상이 처음부터 갖고 있는 R, G, B(빨간색, 초록색, 파란색)로부터 색조(H), 채도(S), 조도(I)값으로 변환하여 각각 16,2,2의 값으로 간단하게 양자화한다. 영상의 국부적 특성을 고려하기 위하여 부블럭으로 나누었다. 또한, 기존의 연구에서는 H,S,I 각각에서 똑같이 3개씩의 특징 벡터를 추출하여 전체로 9개의 특징 벡터를 비교하였으나, 처리 속도를 높이기 위하여 인식에 중요한 H에는 더 높은 가중치를 부여해서 H는 3개, S및 I는 각 1개씩의 특징 벡터를 추출하도록 한다. 칼라 특징 벡터로부터 칼라 부류 코드를 생성하여 영상 데이터베이스에 있는 대상 영성들의 칼라 부류 코드와 비교하여 질의 영상에 해당하는 결과 영상을 출력한다.

Description

칼라 특징 벡터를 이용한 영상정보 검색방법

본 발명은 칼라 특징 벡터를 이용한 영상정보 검색방법에 관한 것이다.

최근에는 다양한 정보를 사용자가 원하면 컴퓨터 등을 통하여 손쉽게 이용할 수 있다. 그러나 정보를 사용하기 위해서는 우선, 원하는 정보가 있는 위치를 찾아내는 것이 선행되어야 한다.

MPEG에서는 이러한 문제를 해결하기 위하여 원하는 정보를 빠른 시간 내에 효과적으로 찾을 수 있도록 하는 연구가 MPEG-7이라는 모임으로 시작되었다. 영상을 검색하기 위하여서는 영상 전체를 있는 그대로 비교할 수 있지만, 비교해봐야 할 영상이 많을 경우에 처리 시간이 너무 많이 소요된다. 효과적인 정보 검색을 위하여, 전체 정보를 설명할 수 있는 주요 단어를 이용하는 방법, 영상의 경계 정보를 이용하는 방법, 영상의 칼라 정보를 이용하는 방법, 영상의 질감을 이용하는 방법 등이 있다.

주요 단어를 이용하는 방법은 책이나 문서 등의 글자로 표현된 정보에는 유용하지만 영상 정보에는 효과적이지 못하다. 또한 이 방법을 영상에 적용하기 위해서는 각 영상을 주요 단어로 설명하는 작업을 미리 해두어야만 가능하다.

영상의 경계 정보는 인간 시각 인식과 일치한다는 장점을 갖고 있지만 아주 간단하면서도 제한적인 영상에서만 경계의 자동 추출이 가능하다. 일반적인 영상들은 컴퓨터를 이용한 처리 과정에서 경계 정보를 전자동으로 추출할 수는 없다. 사람이 개입되어야만 영상의 경계 정보를 정확하게 찾을 수 있다.

영상의 칼라 정보 또한 인간이 물체를 인식하는데 아주 유용하게 사용된다. 그러나 일반적으로 사용하는 히스토그램은 영상의 밝기 값에 의한 특성만을 이용하므로 칼라가 다르면서 밝기 정도만 같은 것이 동일한 영상으로 판단되는 오류를 범할 수가 있다. 또한, 밝기 값은 조명의 영향에 민감하여 조명이 변하면 다른 영상으로 인식될 수도 있다.

따라서, 본 발명은 방대한 디지털 정보 중에서 사용자가 원하는 영상 정보를 쉽게 찾기 위하여, 질의 영상의 국부적 특성을 이용하며 칼라 특징 벡터를 추출하는 과정에서 기존의 방법보다 적은 수의 벡터를 추출하고, 이를 이용하여 데이터베이스에 있는 영상들의 특징 벡터들과 비교함으로 검색 시간을 단축시키면서도 정확한 검색이 가능하도록 하는 칼라 특징 벡터를 이용한 영상정보 검색방법을 제공하는데 그 목적이 있다.

상기한 목적을 달성하기 위한 본 발명은 질의 영상을 입력하는 단계와, 상기 입력된 영상의 칼라정보를 색조(H), 채도(S), 조도(I)로 변환한 후 양자화하는 단계와, 전체 영상을 일정 단위의 부블록으로 나누는 단계와, 상기 부블록으로 나누어진 영상에서 평균, 분산 및 비대칭분포를 구하는 단계와, 상기 각 부블록마다 칼라특징 벡터를 구한 후 상기 칼라 특징 벡터를 부블록으로 나누어진 개수만큼 반복하여 저장하는 단계와, 상기 모든 칼라특징 벡터를 분류기에 넣어서 칼라 부류 코드를 생성하는 단계와, 상기 칼라 부류 코드를 이용하여 데이터베이스 내에 있는 영상들과 비교한 후 결과 영상을 출력하는 단계를 포함하여 이루어지는 것을 특징으로 한다. 칼라 정보를 이용한 영상 검색을 위하여 영상에 처음부터 갖고 있는 빨간색, 초록색, 파란색(이하, R, G, B라함)을 다 이용하여 밝기 값만을 이용하였을 때 발생하는 문제점을 보완하고 자동 처리를 하면서도 정확한 영상 검색이 가능하도록 한다.

R, G, B를 다 이용한 연구 중에서 R, G, B를 색조, 채도, 조도(H, S, I; Hue, Saturation, Intensity) 값으로 변환하여 처리한 연구가 있다. 그 연구에서는 H, S, I 각각에서 3개씩의 특징 벡터를 추출하여 전체로 9개의 벡터를 추출하여 비교하였다. 그러나, 인간 인식에서 H, S, I의 중요도에는 차이가 있으므로, 똑같이 3개씩의 벡터를 다 구하는 것은 소요 시간에 비해서 효과는 떨어진다. 따라서, 처리 속도를 높이기 위하여 인식에 중요한 H에는 S 및 I에 비해 더 높은 가중치를 부여하도록 한다. 그리고, 그 연구에서는 영상 전체를 대상으로 하였던 관계로 원하는 영상을 정확하게 검색하는데는 실패하는 확률이 높았다. 즉, 영상의 국부적인 특징을 전혀 반영하지 못하였다.

본 발명에서는 R, G, B 영상으로부터 H, S, I 값의 영상을 구하여 국부적인 영상의 특징도 반영하면서 적은 수의 특징 벡터를 추출함으로써 신속하면서도 정확한 영상 검색이 가능하도록 하는 기법을 제안한다.

도 1은 본 발명을 설명하기 위한 영상 검색을 위한 블럭도.

도 2는 본 발명에 따른 칼라 특징 벡터를 이용한 영상정보 검색방법을 설명하기 위한 흐름도.

<도면의 주요부분에 대한 부호의 설명>

1 : 영상 데이터베이스 2 : 입력 모듈

3 : 검색 모듈

이하, 첨부한 도면을 참조하여 본 발명을 상세히 설명하면 다음과 같다.

도 1은 영상 검색을 위한 블럭도이다. 입력 모듈(2)에서 데이터베이스에 들어갈 검색 대상 영상의 특징을 추출하여 영상 데이터베이스(1)에 입력시킨다. 검색 모듈(3)에서 질의 영상의 특징을 추출하여 영상 데이터베이스(1)에 있는 대상 영상과 비교 검색을 하여 원하는 결과 영상을 찾아낸다.

도 2를 참조하면, 본 발명에 따른 칼라 특징 벡터를 이용한 영상정보 검색방법의 흐름도로서, 찾고자 하는 질의 영상이 입력되고 R, G, B값을 아래의 [수학식 1]로 H, S, I 값을 변환한다.

변환된 H, S, I 값을 양자화를 적용한다. 인식에 중요한 H는 16단계로 분류하여 양자화하고 H보다 시각에 덜 민감한 S및 I는 간단하게 2단계로 분류한다. 전체 영상뿐만 아니라 국부 영상의 특성을 이용하기 위해서는 전체 영상을 일정 단위의 부블럭으로 나눈다. 부블럭으로 나누어진 영상에서 평균(E_i), 분산(s_i) 및 비대칭분포(σ_i)를 아래의 [수학식 2]로 구한다.

m·n은 부블럭의 크기, P_ij는 양자화된 H, S, I의 값이다. 여기서도 인식에 중요한 H에서는 평균, 분산 및 비대칭분포를 다 구하지만, S 및 I에서는 평균만을 구한다. 전체 영상보다 부블럭에서 특징 벡터를 구하기 때문에 시간이 많이 소요될 것 같지만, 처리하는 영상의 부블럭 크기가 전체 영상에 비해 아주 작고 또한 구하는 특징 벡터의 수도 9개에서 5개로 감소했으므로 전체 소요 시간은 오히려 감소한다. H로부터 3개의 특징 벡터 그리고 S 및 I로부터 각각 1개씩의 특징 벡터를 구함으로써 각 부블럭마다 5개의 특징 벡터를 구한다. 부블럭별로 특징 벡터 구하기를 부블럭으로 나누어진 개수만큼 반복하여 저장한다. 즉, 모든 부블럭에 대해서 5개씩의 특징 벡터를 구한다. 이렇게 구하여진 모든 특징 벡터를 ART(Adaptive Resonance Theory)2를 이용한 분류기에 넣어서 칼라 부류 코드를 생성한다. 이 칼라 부류 코드를 이용하여 데이터베이스 내에 있는 영상들과 비교한다. 이때, 데이터베이스 내에 있는 영상들도 질의 영상과 동일한 과정을 거쳐 생성된 칼라 부류 코드와 함께 저장되어 있다. 즉, 질의 영상과 저장된 영상간에는 칼라 부류 코드를 이용하여 비교 검색된다. 비교 검색을 거침으로써 질의 영상에 해당하는 결과 영상이 결과 물로 나온다.

상술한 바와같이 본 발명에 따른 간략화된 칼라 특징 벡터를 이용한 영상정보 검색 기법으로 정확한 결과 영상을 고속으로 검색할 수 있다. 또한, 국부 영상의 특징까지 고려하여 검색의 정확도를 높였으며 추출할 특징 벡터의 개수를 줄임으로써 처리 시간을 단축시키고, H, S, I 변화시 16, 2, 2의 양자화를 적용하여 처리되는 영상의 값을 간단하게 하는 효과가 있다.

Claims (3)

1. 질의 영상을 입력하는 단계와,

   상기 입력된 영상의 칼라정보를 색조(H), 채도(S), 조도(I)로 변환한 후 양자화하는 단계와,

   전체 영상을 일정 단위의 부블록으로 나누는 단계와,

   상기 부블록으로 나누어진 영상에서 평균, 분산 및 비대칭분포를 구하는 단계와,

   상기 각 부블록마다 칼라특징 벡터를 구한 후 상기 칼라 특징 벡터를 부블록으로 나누어진 개수만큼 반복하여 저장하는 단계와,

   상기 모든 칼라특징 벡터를 분류기에 넣어서 칼라 부류 코드를 생성하는 단계와,

   상기 칼라 부류 코드를 이용하여 데이터베이스 내에 있는 영상들과 비교한 후 상기 질의 영상에 해당하는 결과 영상을 출력하는 단계를 포함하여 이루어지는 것을 특징으로 하는 칼라 특징 벡터를 이용한 영상정보 검색방법.
2. 제 1 항에 있어서,

   상기 색조는 칼라 특징 벡터를 3 개를 구하고, 상기 채도 및 조도는 칼라 특징 벡터를 각각 1개씩 구하는 것을 특징으로 하는 칼라 특징 벡터를 이용한 영상정보 검색방법.
3. 제 1 항에 있어서,

   상기 색조는 16개 값으로 양자화하고, 상기 채도 및 조도는 2개 값으로 양자화하는 것을 특징으로 하는 칼라특징 벡터를 이용한 영상정보 검색방법.