KR20020080073A - 모양 기술자 계산을 위한 정규화 방법 및 그를 이용한영상 검색 방법 - Google Patents

모양 기술자 계산을 위한 정규화 방법 및 그를 이용한영상 검색 방법 Download PDF

Info

Publication number
KR20020080073A
KR20020080073A KR1020010019229A KR20010019229A KR20020080073A KR 20020080073 A KR20020080073 A KR 20020080073A KR 1020010019229 A KR1020010019229 A KR 1020010019229A KR 20010019229 A KR20010019229 A KR 20010019229A KR 20020080073 A KR20020080073 A KR 20020080073A
Authority
KR
South Korea
Prior art keywords
image
shape
shape descriptor
invariant
calculating
Prior art date
Application number
KR1020010019229A
Other languages
English (en)
Other versions
KR100810002B1 (ko
Inventor
김회율
Original Assignee
김회율
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 김회율 filed Critical 김회율
Priority to KR1020010019229A priority Critical patent/KR100810002B1/ko
Publication of KR20020080073A publication Critical patent/KR20020080073A/ko
Application granted granted Critical
Publication of KR100810002B1 publication Critical patent/KR100810002B1/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Processing Or Creating Images (AREA)

Abstract

1. 청구범위에 기재된 발명이 속한 기술분야
본 발명은 모양 기술자 계산을 위한 정규화 방법 및 그를 이용한 영상 검색 방법과 상기 방법들을 실현시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체에 관한 것임.
2. 발명이 해결하려고 하는 기술적 과제
본 발명은, 광범위한 영상 데이터베이스 내에서 사용자가 요구하는 특정 영상을 검색하는데 쓰였던 일반적인 모양 기술자가 영상내 잡음이나 한쪽 방향으로만 일그러짐, 원근법 적용 등 어파인 변환된 객체에 대해 취약하므로, 이를 보완하기 위해 어파인 변환에 불변한 모양 기술자를 얻을 수 있는 정규화 방법 및 그를 이용한 영상 검색 방법과 상기 방법들을 실현시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공하고자 함.
3. 발명의 해결방법의 요지
본 발명은, 내용기반 영상 검색 시스템에서의 영상 검색 방법에 있어서, 영상내 객체의 이동, 회전, 크기 변화, 잡음, 일그러짐 변형시에, 컴팩트 알고리즘을 적용해 영상을 정규화하여 객체 객체의 이동, 크기변환, 일그러짐에 불변한 정규화된 영상을 얻는 제 1 단계; 정규화된 영상에서 모양 기술자를 계산하는 제 2 단계; 및 계산된 모양 기술자를 이용하여 영상 데이터베이스 내에서 유사도를 계산하여 영상을 검색하는 제 3 단계를 포함함.
4. 발명의 중요한 용도
본 발명은 캐릭터 영상의 검색, 상표 검색 등에 이용됨.

Description

모양 기술자 계산을 위한 정규화 방법 및 그를 이용한 영상 검색 방법{Normalization method for shape descriptors and image retrieval method using the same}
본 발명은 내용기반 영상 검색 시스템에서 모양 기술자 계산을 위한 정규화방법 및 그를 이용한 영상 검색 방법과 상기 방법들을 실현시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체에 관한 것으로, 보다 상세하게는 내용기반 영상 검색에 사용되는 회전불면 모양기술자 계산을 위한 전처리 과정에 관한 것으로서 영상의 정규화 방법에 관한 것이다.
일반적으로, 영상에서 객체의 모양 정보는 객체(object)를 인식하는데 매우 유용하게 쓰인다. 이러한 모양정보의 일반적인 기술자들은 객체의 회전, 이동, 크기변화, 잡음에 매우 강인하다. 그러나, 이러한 일반적인 모양 기술자들은 한쪽으로 일그러지거나 비스듬히 기울어진 객체, 원근법이 적용된 객체, 즉 어파인(Affine) 변환된 객체에는 매우 취약한 면을 나타내므로 같은 객체라 하더라도 서로 다른 객체로 인식되어지기 쉽다.
그러나, 종래에는 회전불변 모양 기술자를 계산하는데 있어서, 객체의 정규화 과정이 아예 없거나, 있어도 비스듬히 기울어진 객체, 원근법이 적용된 객체 등과 같이 객체의 전반적인 형태를 변환시키는 어파인 변환에 불변하게 하는 정규화 과정은 없었다.
따라서, 특히 정지 영상의 검색에 있어서 쓰이는 여러 가지 기술자중 검색 성능을 높일 수 있는 모양 기술자를 얻기 위해서는, 모양 기술자 계산의 전처리 과정으로 어파인 변환에 불변한 기술자를 얻을 수 있는 방안이 필수적으로 요구된다.
본 발명은 상기한 바와 같은 요구에 부응하기 위하여 제안된 것으로서, 광범위한 영상 데이터베이스 내에서 사용자가 요구하는 특정 영상을 검색하는데 쓰였던 일반적인 모양 기술자가 영상내 잡음이나 한쪽 방향으로만 일그러짐, 원근법 적용 등 어파인 변환된 객체에 대해 취약하므로, 이를 보완하기 위해 어파인 변환에 불변한 모양 기술자를 얻을 수 있는 정규화 방법 및 그를 이용한 영상 검색 방법과 상기 방법들을 실현시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공하는데 그 목적이 있다.
도 1 은 본 발명이 적용되는 내용기반 영상 검색 시스템의 구성 예시도.
도 2 는 본 발명에 따른 영상 검색 방법에 대한 일실시예 흐름도.
도 3 은 본 발명의 실시예에 따라 MPEG-7 국제 표준용 실험 데이터에 대한 성능 향상 실험 결과 예시도.
*도면의 주요 부분에 대한 부호의 설명
10 : 영상 입력 장치 20 : 저장 장치
30 : 질의 응답 장치
상기 목적을 달성하기 위한 본 발명은, 내용기반 영상 검색 시스템에서 회전불변 모양 기술자 계산을 위한 정규화 방법에 있어서, 영상내 객체의 이동, 회전, 크기 변화, 잡음, 일그러짐으로 인한 변형시에, 객체 영상을 표준영상으로 변환 처리하여, 그 결과 영상에 여러 가지 모양 기술자를 적용시켜 어파인 변환에 불변한 모양 기술자를 얻되, 변형중 잡음, 이동, 크기 변화, 일그러짐에 대해서 컴팩트 알고리즘을 적용하여 영상을 정규화하는 제 1 단계; 및 회전각도에 불변하게 유사한 모양의 객체를 추출하기 위해 상기 컴팩트 알고리즘을 거친후 저니키 기반 모멘트나 에이알(AR) 변환을 이용한 회전불변 모양기술자를 계산하여 영상을 정규화하는 제 2 단계를 포함하여 이루어진 것을 특징으로 한다.
상기 목적을 달성하기 위한 본 발명은, 내용기반 영상 검색 시스템에서의 영상 검색 방법에 있어서, 영상내 객체의 이동, 회전, 크기 변화, 잡음, 일그러짐 변형시에, 컴팩트 알고리즘을 적용해 영상을 정규화하여 객체 객체의 이동, 크기변환, 일그러짐에 불변한 정규화된 영상을 얻는 제 1 단계; 정규화된 영상에서 모양 기술자를 계산하는 제 2 단계; 및 계산된 모양 기술자를 이용하여 영상 데이터베이스 내에서 유사도를 계산하여 영상을 검색하는 제 3 단계를 포함하여 이루어진 것을 특징으로 한다.
상기 목적을 달성하기 위한 본 발명은, 모양 기술자 계산을 위한 정규화를 위하여, 프로세서를 구비한 내용기반 영상 검색 시스템에, 영상내 객체의 이동, 회전, 크기 변화, 잡음, 일그러짐으로 인한 변형시에, 객체 영상을 표준영상으로 변환 처리하여, 그 결과 영상에 여러 가지 모양 기술자를 적용시켜 어파인 변환에 불변한 모양 기술자를 얻되, 변형중 잡음, 이동, 크기 변화, 일그러짐에 대해서 컴팩트 알고리즘을 적용하여 영상을 정규화하는 제 1 기능; 및 회전각도에 불변하게 유사한 모양의 객체를 추출하기 위해 상기 컴팩트 알고리즘을 거친후 저니키 기반 모멘트나 에이알(AR) 변환을 이용한 회전불변 모양기술자를 계산하여 영상을 정규화하는 제 2 기능을 실현시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다.
상기 목적을 달성하기 위한 본 발명은, 영상 검색을 위하여, 프로세서를 구비한 내용기반 영상 검색 시스템에, 영상내 객체의 이동, 회전, 크기 변화, 잡음, 일그러짐 변형시에, 컴팩트 알고리즘을 적용해 영상을 정규화하여 객체 객체의 이동, 크기변환, 일그러짐에 불변한 정규화된 영상을 얻는 제 1 기능; 정규화된 영상에서 모양 기술자를 계산하는 제 2 기능; 및 계산된 모양 기술자를 이용하여 영상 데이터베이스 내에서 유사도를 계산하여 영상을 검색하는 제 3 기능을 실현시키기위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다.
본 발명은 정지 및 동영상의 검색에 있어서 쓰이는 여러 가지 기술자중 모양 기술자의 계산의 전처리 과정으로 쓰일 수 있는 것으로서, 좀 더 검색 성능을 높일 수 있는 모양 기술자를 얻을 수 있도록 한다.
본 정규화 방법은, 영상 검색에 있어서 객체의 모양을 기준으로 한 검색(캐릭터 이미지, 상표 이미지 검색 등이 이에 해당)을 행할 때 흔히 나타나기 쉬운 객체 영상의 일그러짐 또는 원근법에 의한 기울어짐 등이 발생하여도 동일한 객체로 인식할 수 있도록 하여 준다.
이렇게 본 정규화 방법을 거친 후, 모양 기술자를 계산하면 어파인 변환에 불변한 기술자를 얻어낼 수 있다. 즉, 입력된 영상에 본 정규화 방법을 적용하면 표준영상으로 변환되고 이 표준영상에 여러 형태의 회전불변 모양 기술자를 적용시키면, 결국 어파인 변환에 불변한 모양 기술자를 얻게 된다. 이렇게 얻어진 모양 기술자를 이용하여 여러 가지 영상의 검색에 사용할 수 있다.
따라서, 본 정규화 방법을 모양 기술자 계산 이전의 전처리 과정으로 이용함으로써 영상내에서 한쪽 방향으로만 확대/축소되거나 원근법에 의한 기울어짐 등을 보상할 수 있다.
본 발명으로 전처리되어진 모양 기술자는 여러 분야에서 응용되어질 수 있는데, 영상내의 객체를 중요시하는 모든 내용기반 검색에 유용하게 쓰여질 수 있고, 특히 캐릭터 이미지 검색, 상표 검색 등 고부가가치의 지적 재산권을 갖는 영상의 검색에도 쓰여질 수 있다.
상술한 목적, 특징들 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해 질 것이다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 일실시예를 상세히 설명한다.
도 1 은 본 발명이 적용되는 내용기반 영상 검색 시스템의 구성 예시도로서, 영상 유사도 가중치 조절을 통한 내용기반 영상 검색 시스템을 일 예로 들어 설명한다.
도 1에 도시된 바와 같이, 본 발명의 영상 유사도 가중치 조절을 통한 내용기반 영상 검색 시스템은, 운용자로부터 영상을 입력받아 저장하고, 저장된 영상의 특징(모양 기술자)을 추출하여 저장하며, 유사도를 계산하여 저장하고, 일정한 크기의 소영상을 생성하여 저장하기 위한 영상 입력 장치(10)와, 영상, 특징 벡터, 소영상, 유사도 테이블을 저장하기 위한 저장 장치(20)와, 사용자로부터 질의를 입력받아 질의의 유사도에 따른 소영상을 출력하고, 출력된 소영상에 대한 사용자의 선택 정보를 피드백받아 유사도 가중치를 변화시켜 그 결과에 따른 영상을 출력하기 위한 질의 응답 장치(30)를 포함한다.
상기 영상 입력 장치(10)는 운용자로부터의 데이터베이스 입력 요구가 입력됨에 따라 영상을 분석하여 데이터베이스화하는 데이터베이스 입력부(11)와, 데이터베이스 입력부(11)의 제어에 의해 현재 입력되는 영상을 소형 영상으로 나누어 소형 영상 디렉토리 데이터베이스(21)에 저장하는 소형 영상 생성부(12)와, 데이터베이스 입력부(11)의 제어에 의해 현재 입력되는 영상에 대하여 일정 개수의 추출 사양별로 특징 벡터를 만들어 특징 벡터 디렉토리 데이터베이스(24)에 저장하는 특징 추출부(13)와, 추출된 일정 개수의 특징 벡터를 이용하여 영상 디렉토리 데이터베이스(22)내의 다른 영상의 특징 벡터와의 각각의 특징에 대해 유사도를 계산하고, 계산된 각각의 특징에 대한 유사도를 동일한 중요도를 갖게 정규화시키며, 각 특징에서의 정규화된 유사도를 단일의 유사도로 결합하여 인덱스를 구성한 후에, 구성된 인덱스를 인덱스 데이터베이스(23)에 저장하는 유사도 계산부(14)를 구비한다.
상기 저장 장치(20)는 소형 영상 디렉토리를 저장하고 있는 소형 영상 디렉토리 데이터베이스(21)와, 영상 디렉토리를 저장하고 있는 영상 디렉토리 데이터베이스(22)와, 유사도 테이블을 저장하고 있는 인덱스 데이터베이스(23)와, 특징 벡터 디렉토리를 저장하고 있는 특징 벡터 디렉토리 데이터베이스(24)를 구비한다.
상기 질의 응답 장치(30)는 질의 영상을 분석하여 인덱스 데이터베이스(23)로부터 유사도 테이블을 출력시키는 질의부(32)와, 질의부(32)에 의해 출력되는 유사도 테이블에 해당하는 소형 영상을 소형 영상 디렉토리 데이터베이스(21)에서 독취하여 검색 사용자에게 보여주는 결과 표시부(33)와, 사용자로부터 입력되는 피드백 신호를 입력받아 가중치를 조절하고, 조절된 가중치에 따른 유사도를 구하여 해당하는 인덱스 데이터베이스(23)로부터 유사도 테이블을 결과 표시부(23)로 출력하기 위한 가중치 조절부(31)를 구비한다.
상기한 바와 같은 구성을 갖는 본 발명이 적용되는 가중치 조절을 통한 내용기반 영상 검색 시스템의 동작을 상세히 살펴보면 다음과 같다.
데이터베이스 입력부(11)는 처리해야 할 영상을 영상 디렉토리데이터베이스(22)에 저장한 후에, 소형 영상 생성부(12)를 구동시켜 새로운 소형 영상(Thumbnail, 즉 화면표시를 용이하게 하기 위해 큰 영상을 100 ×100 정도의 작은 영상으로 만든 것)을 만들어 소형 영상 디렉토리 데이터베이스(21)에 저장한다.
그리고, 새로운 영상에 대한 특징 벡터는 없으므로 특징 추출부(13)를 구동시켜 새로운 객체 영상의 모양에 대한 회전불변 특징량을 추출하여 특징 벡터를 만들고, 그 각각의 특징별로 추출된 특징 벡터를 특징 벡터 디렉토리 데이터베이스(24)에 저장한다.
유사도 계산부(14)는 특징 추출부(13)에 의해 추출된 일정 개수의 특징 벡터를 이용하여 영상 디렉토리 데이터베이스(22)내의 다른 영상의 특징 벡터와의 각각의 특징에 대해 유사도를 계산하고, 계산된 각각의 특징에 대한 유사도를 동일한 중요도를 갖도록 정규화시키며, 각 특징에서의 정규화된 유사도를 단일의 유사도로 결합시킨 후에 테이블로 만들어 인덱스를 생성하여 인덱스 데이터베이스(23)에 저장한다.
그리고, 유사도 계산부(14)는 운용자가 입력한 모든 새로운 영상에 대해 특징 추출부(13)에 의한 특징 추출 동작이 완료되면 데이터베이스 입력부(11)의 제어에 의해 구동된다.
상기한 바와 같이 모든 영상의 각 특징에서의 정규화된 유사도가 유사도 계산부(14)에서 단일의 결합된 유사도로 계산되어 테이블로 만들어지고, 그 유사도 계산부(14)에서 인덱스를 생성하게 되면 영상의 데이터베이스화는 종료된다.
질의부(32)는 일반 사용자가 이미 입력된 영상 디렉토리 데이터베이스(22)에서 영상을 검색하고자 할 때 사용하는 질의도구를 나타내는데, 사용자의 검색 요구에 맞게 질의 영상을 분석한 후에, 특징 추출부(13)와 유사도 계산부(14)를 이용하여 인덱스 데이터베이스(23)로부터 검색된 영상을 결과 표시부(33)로 보내준다.
여기서, 사용자는 결과 표시부(33)에 보여진 결과에 대해 원하는 영상과 원하지 않는 영상을 선택하여 다시 질의하면, 가중치 조절부(31)가 사용자의 의견을 분석하여 각각의 특징에 대한 가중치를 조절하고, 다시 인덱스 데이터베이스(23)로부터 변화된 가중치에 의한 결과를 도출하여 결과 표시부(33)로 보내준다.
상기 질의부(32)는 결과 표시부(33)가 임의로 선택해서 보여준 샘플 영상일 수도 있고, 사용자가 그린 영상(즉, 그림) 또는 스캐너 등의 외부 영상 입력 장치로부터 입력받은 또 다른 영상 데이터 또는 사용자가 지정한 색상과 그 비율 등이 될 수도 있다.
그리고, 결과 표시부(33)는 인덱스 데이터베이스(23)로부터 검색되어 입력되는 영상을 받아 소형 영상 디렉토리 데이터베이스(21)에서 소형 영상을 가져와 검색 사용자에게 보여준다.
이제, 내용 기반 영상 검색에 사용되는 회전불변 모양 기술자인 Zernike Moment를 이용한 모양기술자나 혹은 AR 변환 모양 기술자 계산의 전처리 과정으로서, 어파인(Affine) 변환에 불변한 모양 기술자를 얻을 수 있는 정규화 방법에 대해 보다 상세히 설명한다.
영상의 정규화는 왜곡되거나 변형된 영상을 일정한 형태의 표준화 영상으로만드는 과정을 말한다. 이러한 변형에는 영상내 객체에 잡음, 객체의 이동, 회전, x-y중 단방향 혹은 양방향의 크기 변화, 원근변화 등이 있다. 이러한 변형은 컴팩트 알고리즘을 사용하여 정규화한다. 정규화된 객체영상으로부터 회전불변 모양기술자인 Zernike Moment 혹은 AR 변환 모양기술자를 계산할 수 있다.
2차원 영상에 대한 어파인 변환은 다음의 (수학식 1)과 같이 표현되어질 수 있다.
상기 (수학식 1)에서, [u v 1]T는 점[x y 1]T의 어파인 변환된 점이고, A는 어파인 행렬이다. 따라서, 상기 (수학식 1)에서는 크기, 변화, 회전, 원근법에 의한 기울어짐, 변환이 나타난다.
상기 (수학식 1)은 어파인 행렬에 의해 연관된 두 점들간의 관계를 나타낸다. 그러나, 여기서 종종 어파인 계수를 얻기가 어려울 수가 있는데, 이는 두 개의 이미지상에서 해당되는 두 점을 찾는 것이 명백하지가 않을 뿐 아니라, 노이즈에 의한 변화에도 민감하기 때문이다. 그러므로, 다음의 (수학식 2)가 어파인 관계의 새로운 형식을 제공해 준다(모멘트의 식을 이용).
상기 (수학식 2)에서, mpq는 정규화된 이미지 f(x,y)에서 pq차의 모멘트이고, m'pq는 어파인 변환된 이미지 f(u,v)의 pq차의 모멘트이다. pq차의 모멘트 정의는 다음의 (수학식 3)과 같다.
컴팩트 알고리즘의 목적은 알고리즘을 거친 영상의 공분산 행렬이 항등 행렬이 되도록 두 개의 선형 변환을 통해 영상을 조정하는 것이다.
한 영상에서 공분산 행렬은 다음의 (수학식 4)와 같이 계산되어질 수 있다.
행렬 C의 고유벡터가 행을 이루는 행렬을 행렬 E라 하자(가장 작은 고유치에 해당하는 고유벡터를 가장 마지막 행으로 놓는다). 결과적으로 회전 변환 행렬 E를 다음의 (수학식 5)와 같이 만들 수 있다.
여기서, eix와 eiy는 각각의 고유치에 해당되는 고유 벡터이다. 변환된 이미지의 공분산 행렬 C'는 다음의 (수학식 6)과 같이 된다.
결과적으로 변환된 이미지는 새로운 좌표계에서는 상관성이 없어진 상태의 이미지가 된다.
다음 단계에서는 좌표계를 원점을 이미지의 중심으로 이동하고 좌표를 행렬 E와 곱해서 변환시킨다. 이렇게 해서 새로운 좌표계는 C의 고유 벡터와 일치하게 된다. [u,v]T를 새로운 좌표라고 하면 다음의 (수학식 7)과 같은 식이 성립한다.
상기 (수학식 7)에서는 새로운 좌표계에서의 상관성을 제거하기 위해서 좌표계를 회전 이동시켰다. 그러므로, 각각의 원소들의 크기를 독립적으로 다룰 수 있다. 최종적인 목표는 바로 크기가 변환된 항등 행렬과 같은 공분산 행렬을 갖는 이미지를 얻는 것이다. 그래서, 고유치에 해당되는 새로운 두 개의 좌표의 크기를 (수학식 8)과 같이 변환시킨다.
여기서, 크기 변환 행렬은 다음의 (수학식 9)와 같이 정의된다.
상기 (수학식 9)에서, c는 크기 변환 상수이다.
이제 어파인 변환된 영상 f(u,v)로부터 (수학식 10)과 같은 컴팩트 알고리즘을 거친 영상 f(x',y')를 구할 수 있는 알고리즘을 얻을 수 있다.
이로써, 상기 (수학식 10)을 이용한 객체의 이동, 크기변환, 일그러짐에 불변한 정규화된 영상을 얻어낼 수 있다.
위의 정규화된 영상으로부터 AR 변환을 이용하여 향상된 검색 효율을 얻을 수 있다.
본 발명에 따르면 다음과 같은 효과가 있다.
첫째, 영상 데이터베이스 검색시 검색 효율을 높일 수 있다. 정규화 방법 사용시 성능이 향상됨을 도 3에서 보여준다. 이는 엠펙7(MPEG-7) 국제 표준용 실험 데이터에 대한 성능 향상 실험 결과를 나타낸다(평가척도 : BEP).
보통 영상 검색에서는 크게 색상, 모양, 질감 등 3가지 정도의 기술자를 이용하여 검색하는데 이 중 모양을 이용한 검색시 그 효율을 높일 수 있다. 모양 기술자가 중요시 되는 영상검색으로는 캐릭터 이미지 검색, 상표 이미지 검색 등이 있다.
둘째, 본 발명은 모양 기술자를 적용하기 이전의 전처리 과정인 정규화 방법이므로 이 단계를 거친 뒤에는 어떠한 모양 기술자를 적용시키더라도 그 검색 효율의 향상을 기대할 수 있다.
그 일예시로서, 도 2를 참조하여 본 발명에 따른 영상 검색 방법에 대해 살펴보기로 한다.
도 2에 도시된 바와 같이, 본 발명에 따른 영상 검색 방법은, 먼저 원영상을 입력받아(201), 내용 기반 영상 검색에 사용되어지는 AR 변환 모양 기술자 계산의 전처리 과정으로서 원영상의 어파인 불변인 정규화 방법을 수행한다(202). 영상의 정규화는 왜곡되거나 변형된 영상을 정규화된 영상으로 만드는 과정을 말한다. 이러한 변형에는 영상내 객체에 잡음, 객체의 이동, 회전, 크기 변화, 일그러짐 등이 있다. 이러한 변형중 잡음, 이동, 크기 변화, 일그러짐에 대해서 컴팩트 알고리즘을 사용하여 정규화한다. 회전에 대한 정규화는 컴팩트 알고리즘을 거친 후 ART 기반 형태기술자나 저니키 모멘트 기반 형태기술자를 계산함으로서 행해질 수 있다.
이후, 정규화된 영상에서 AR 변환을 이용하여 모양 기술자를 계산(특징을 추출)하고(203), 계산된 모양 기술자를 이용하여 영상 데이터베이스 내에서 유사도를 계산하여(204) 영상을 검색하여 검색된 영상을 출력한다(205).
상술한 바와 같은 본 발명의 방법은 프로그램으로 구현되어 컴퓨터로 읽을 수 있는 기록매체(씨디롬, 램, 롬, 플로피 디스크, 하드 디스크, 광자기 디스크 등)에 저장될 수 있다.
이상에서 설명한 본 발명은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 있어 본 발명의 기술적 사상을 벗어나지 않는 범위내에서 여러 가지 치환, 변형 및 변경이 가능하므로 전술한 실시예 및 첨부된 도면에 한정되는 것이 아니다.
상기한 바와 같은 본 발명은, 영상 검색에 있어서 객체의 모양을 기준으로 한 검색(캐릭터 이미지, 상표 이미지 검색 등)을 행할 때 흔히 나타나기 쉬운 객체의 일그러짐, 원근법에 의한 기울어짐 등이 발생하여도 동일한 객체로 인식할 수 있도록 함으로써, 자연 영상 검색을 제외한 영상내의 객체를 중요시하는 내용기반 검색에 유용하게 쓰여질 수 있는 효과가 있다.

Claims (10)

  1. 내용기반 영상 검색 시스템에서 회전불변 모양 기술자 계산을 위한 정규화 방법에 있어서,
    영상내 객체의 이동, 회전, 크기 변화, 잡음, 일그러짐으로 인한 변형시에, 객체 영상을 표준영상으로 변환 처리하여, 그 결과 영상에 여러 가지 모양 기술자를 적용시켜 어파인 변환에 불변한 모양 기술자를 얻되,
    변형중 잡음, 이동, 크기 변화, 일그러짐에 대해서 컴팩트 알고리즘을 적용하여 영상을 정규화하는 제 1 단계; 및
    회전각도에 불변하게 유사한 모양의 객체를 추출하기 위해 상기 컴팩트 알고리즘을 거친후 저니키 기반 모멘트나 에이알(AR) 변환을 이용한 회전불변 모양기술자를 계산하여 영상을 정규화하는 제 2 단계
    를 포함하는 모양 기술자 계산을 위한 정규화 방법.
  2. 제 1 항에 있어서,
    상기 컴팩트 알고리즘은,
    알고리즘을 거친 영상의 공분산 행렬이 항등 행렬이 되도록 두 개의 선형 변환을 통해 영상을 조정하되, 어파인 변환된 영상 f(u,v)로부터 하기의 수학식에 의해 객체의 이동, 크기변환, 일그러짐에 불변한 정규화된 영상 f(x',y')을 얻을 수있는 것을 특징으로 하는 모양 기술자 계산을 위한 정규화 방법.
    (여기서,(단, c는 크기 변환 상수),(단, eix와 eiy는 각각의 고유치에 해당되는 고유 벡터), mpq는 정규화된 이미지 f(x,y)에서 pq차의 모멘트, m'pq는 어파인 변환된 이미지 f(u,v)의 pq차의 모멘트(단, pq차의 모멘트 정의는)임)
  3. 제 1 항 또는 제 2 항에 있어서,
    상기 제 1 단계는,
    컴팩트 알고리즘을 이용하여, 영상내 객체에 잡음, 객체의 이동, 회전, x-y 좌표축상에서 같은 축척으로 변하는 단순 크기 변화, 혹은 어느 한쪽으로만 크기 변화, 또는 비스듬히 기울어지거나 원근법이 적용되어 영상내 객체의 일그러짐이 일어나는 경우에 객체 영상을 먼저 x-y 좌표축상에서 객체의 좌표값으로부터 계산된 공분산 행렬이 같도록 조정하여 표준영상으로 정규화하는 것을 특징으로 하는모양 기술자 계산을 위한 정규화 방법.
  4. 제 3 항에 있어서,
    상기 제 2 단계는,
    저니키 모멘트나 에이알(AR) 변화과 같은 회전불변 모양기술자를 위한 특징량을 계산하여 객체 영상의 특징량을 또 다른 형태로 정규화하는 것을 특징으로 하는 모양 기술자 계산을 위한 정규화 방법.
  5. 내용기반 영상 검색 시스템에서의 영상 검색 방법에 있어서,
    영상내 객체의 이동, 회전, 크기 변화, 잡음, 일그러짐 변형시에, 컴팩트 알고리즘을 적용해 영상을 정규화하여 객체 객체의 이동, 크기변환, 일그러짐에 불변한 정규화된 영상을 얻는 제 1 단계;
    정규화된 영상에서 모양 기술자를 계산하는 제 2 단계; 및
    계산된 모양 기술자를 이용하여 영상 데이터베이스 내에서 유사도를 계산하여 영상을 검색하는 제 3 단계
    를 포함하는 영상 검색 방법.
  6. 제 5 항에 있어서,
    상기 모양 기술자는,
    실질적으로, 회전불변 모양 기술자인 것을 특징으로 하는 영상 검색 방법.
  7. 제 5 항 또는 제 6 항에 있어서,
    상기 제 1 단계는,
    영상을 어파인 변환되기 이전의 객체로 처리하여, 전처리된 후의 영상에 여러 가지 모양 기술자를 적용시켜 어파인 변환에 불변한 모양 기술자를 얻기 위해, 변형중 이동, 크기 변화, 일그러짐에 대해서 컴팩트 알고리즘을 적용하여 정규화하고, 회전에 대해서 상기 컴팩트 알고리즘을 거친후 회전불변 모양기술자를 계산하여 정규화하는 것을 특징으로 하는 영상 검색 방법.
  8. 제 7 항에 있어서,
    상기 컴팩트 알고리즘은,
    알고리즘을 거친 영상의 공분산 행렬이 항등 행렬이 되도록 두 개의 선형 변환을 통해 영상을 조정하되, 어파인 변환된 영상 f(u,v)로부터 하기의 수학식에 의해 객체의 이동, 크기변환, 일그러짐에 불변한 정규화된 영상 f(x',y')을 얻을 수있는 것을 특징으로 하는 영상 검색 방법.
    (여기서,(단, c는 크기 변환 상수),(단, eix와 eiy는 각각의 고유치에 해당되는 고유 벡터), mpq는 정규화된 이미지 f(x,y)에서 pq차의 모멘트, m'pq는 어파인 변환된 이미지 f(u,v)의 pq차의 모멘트(단, pq차의 모멘트 정의는)임)
  9. 모양 기술자 계산을 위한 정규화를 위하여, 프로세서를 구비한 내용기반 영상 검색 시스템에,
    영상내 객체의 이동, 회전, 크기 변화, 잡음, 일그러짐으로 인한 변형시에, 객체 영상을 표준영상으로 변환 처리하여, 그 결과 영상에 여러 가지 모양 기술자를 적용시켜 어파인 변환에 불변한 모양 기술자를 얻되,
    변형중 잡음, 이동, 크기 변화, 일그러짐에 대해서 컴팩트 알고리즘을 적용하여 영상을 정규화하는 제 1 기능; 및
    회전각도에 불변하게 유사한 모양의 객체를 추출하기 위해 상기 컴팩트 알고리즘을 거친후 저니키 기반 모멘트나 에이알(AR) 변환을 이용한 회전불변 모양기술자를 계산하여 영상을 정규화하는 제 2 기능
    을 실현시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
  10. 영상 검색을 위하여, 프로세서를 구비한 내용기반 영상 검색 시스템에,
    영상내 객체의 이동, 회전, 크기 변화, 잡음, 일그러짐 변형시에, 컴팩트 알고리즘을 적용해 영상을 정규화하여 객체 객체의 이동, 크기변환, 일그러짐에 불변한 정규화된 영상을 얻는 제 1 기능;
    정규화된 영상에서 모양 기술자를 계산하는 제 2 기능; 및
    계산된 모양 기술자를 이용하여 영상 데이터베이스 내에서 유사도를 계산하여 영상을 검색하는 제 3 기능
    을 실현시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR1020010019229A 2001-04-11 2001-04-11 모양 기술자 계산을 위한 정규화 방법 및 그를 이용한영상 검색 방법 KR100810002B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020010019229A KR100810002B1 (ko) 2001-04-11 2001-04-11 모양 기술자 계산을 위한 정규화 방법 및 그를 이용한영상 검색 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020010019229A KR100810002B1 (ko) 2001-04-11 2001-04-11 모양 기술자 계산을 위한 정규화 방법 및 그를 이용한영상 검색 방법

Publications (2)

Publication Number Publication Date
KR20020080073A true KR20020080073A (ko) 2002-10-23
KR100810002B1 KR100810002B1 (ko) 2008-03-07

Family

ID=27700681

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020010019229A KR100810002B1 (ko) 2001-04-11 2001-04-11 모양 기술자 계산을 위한 정규화 방법 및 그를 이용한영상 검색 방법

Country Status (1)

Country Link
KR (1) KR100810002B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100848034B1 (ko) * 2007-03-23 2008-07-23 한양대학교 산학협력단 크기에 불변한 특징점을 이용한 모멘트 기반 지역 서술자생성방법
WO2009136673A1 (en) * 2008-05-09 2009-11-12 Hankuk University Of Foreign Studies Research And Industry-University Cooperation Foundation Matching images with shape descriptors

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19990051743A (ko) * 1997-12-19 1999-07-05 정선종 내용 기반 영상 정보를 이용한 등록 상표 자동 검색 방법
KR100671098B1 (ko) * 1999-02-01 2007-01-17 주식회사 팬택앤큐리텔 모양정보를 이용한 멀티미디어 데이터의 검색 방법 및 장치
US6307964B1 (en) * 1999-06-04 2001-10-23 Mitsubishi Electric Research Laboratories, Inc. Method for ordering image spaces to represent object shapes
KR100718361B1 (ko) * 1999-08-31 2007-05-14 주식회사 팬택앤큐리텔 내부 및 외부 모양정보의 특징정보를 이용한 멀티미디어검색장치 및 그 방법
KR100413679B1 (ko) * 2000-10-21 2003-12-31 삼성전자주식회사 형상 기술자 추출방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100848034B1 (ko) * 2007-03-23 2008-07-23 한양대학교 산학협력단 크기에 불변한 특징점을 이용한 모멘트 기반 지역 서술자생성방법
WO2009136673A1 (en) * 2008-05-09 2009-11-12 Hankuk University Of Foreign Studies Research And Industry-University Cooperation Foundation Matching images with shape descriptors
US8532438B2 (en) 2008-05-09 2013-09-10 Empire Technology Development Llc Matching images with shape descriptors

Also Published As

Publication number Publication date
KR100810002B1 (ko) 2008-03-07

Similar Documents

Publication Publication Date Title
US11630858B2 (en) Media fingerprinting and identification system
Zhang et al. Histogram of gabor phase patterns (hgpp): A novel object representation approach for face recognition
US7664333B2 (en) Image retrieval device, image retrieval method and storage medium storing similar-image retrieval program
US9691003B2 (en) Keypoint descriptor generation by complex wavelet analysis
US8155451B2 (en) Matching apparatus, image search system, and histogram approximate restoring unit, and matching method, image search method, and histogram approximate restoring method
EP1598769A1 (en) Method and apparatus for face description and recognition
JPS6184785A (ja) イメージ認識システムとその動作法
US7983482B2 (en) Matching apparatus, image search system, and histogram approximate restoring unit, and matching method, image search method, and histogram approximate restoring method
KR20080100393A (ko) 화상 중의 오브젝트를 표시하거나 검색하기 위한 방법, 장치, 컴퓨터 시스템 및 컴퓨터 판독가능 기록매체
KR100810002B1 (ko) 모양 기술자 계산을 위한 정규화 방법 및 그를 이용한영상 검색 방법
JP2001229382A (ja) 情報蓄積装置，情報検索装置および情報蓄積方法，情報検索方法並びにこれらの方法を記録した記録媒体
KR102054211B1 (ko) 이미지 쿼리 기반의 영상 검색 방법 및 시스템
KR100712341B1 (ko) 변형된 저니크 모멘트에 의한 3차원 영상 데이터의 특징추출 및 검색 방법 및 장치
Zheng et al. Image Matching Based on Fast PCA-SIFT Descriptors with Automatic Determination of Dimensionality for PCA

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
LAPS Lapse due to unpaid annual fee