In recent years, content-based image retrieval has provided tools and methods for effective searching and browsing of large digital picture libraries. A typical content-based image retrieval system allows a user to provide a query image, from which low-level features are extracted and used to find “similar” images in the database. Shape features along with texture and color are known as primitive features in content-based image retrieval systems. However, these features are not generic for all applications. They depend largely on the types of images. For the images, such as buildings, topographical images, and tree leaves, the texture and color features do not help distinguishing them. The shape feature plays an important role in these applications, and image retrieval becomes mainly shape retrieval in these cases. There are two classes of shape features: contour-based and region-based. Contour-based shape features are simple, but they are not as efficient as region-based shape features. Most systems using the region-based shape feature have to extract the regions first. The prior works on region-based systems still have shortcomings. They are complex to implement, particularly with respect to the region extraction, and do not sufficiently use the spatial relationship between regions in the distance model.
In this thesis, a region extraction method that is the combination of an edge-based method and a region growing method is proposed to extract regions inside an object. Shape features of these regions are extracted and stored as the low level description of the object. From these features, the modified IRM (Integrated Region Matching) which includes the adjacency relationship of regions is used to compute the distance between images for similarity search. The experimental results show the effectiveness of our region extraction method as well as the modified IRM. We show that the new method outperforms others.
최근 디지털 영상의 수가 급증함에 따라 대용량의 영상 라이브러리에서 효과적으로 영상을 검색할 수 있는 내용기반 영상검색(CBIR)에 대한 연구가 활발히 진행되어왔다. 일반적인 CBIR 시스템은 사용자가 입력한 질의 영상으로부터 추출한 낮은 수준의 특징을 이용하여 그와 유사한 특징을 갖는 영상을 검색하는 기능을 수행한다. 이때 모양 특징은 색상, 질감과 함께 대표적인 특징으로 사용되고 있다. 하지만 영상의 종류에 따라 세 가지 대표적인 특징 중 일부가 효과적이지 못할 수도 있다. 건물 영상이나 지형학적 영상(topographical image), 나뭇잎 영상과 같은 경우에는 색상이나 질감 특징은 영상을 검색할 때 도움이 되지 못한다. 따라서 이러한 경우에는 모양 특징이 매우 중요하다. 모양 특징은 크게 경계 기반과 영역 기반 등 두 가지로 나눌 수 있다. 영역 기반이 경계 기반에 비해 효과적이기 때문에 대부분의 시스템에서는 영역기반 모양 특징을 사용한다. 하지만 기존의 영역 기반 모양 특징의 경우 특징을 추출하기가 까다롭고 영역 간의 위치적인 관계가 거리 모델(distance model)에 반영되어 있지 않다.
본 논문에서는 에지 정보와 영역확장을 이용하여 목표 물체 내부의 영역을 검출할 수 있는 방법을 제안하였다. 목표 물체의 모양 특징을 사용하였으며 이 때 사용하는 거리 모델로 영역 간의 위치적인 관계를 이용한 수정된 IRM(Integrated Region Matching) 기법을 제안하였다. 그리고 실험을 통해 수정된 IRM 기법과 영역 검출 기법이 기존의 방법에 비해 매우 우수함을 보였다.
