Content-based image retrieval(CBIR) is the retrieval technique which uses the contents of images. However, in contrast to text data, multimedia data is ambiguous and there is a big difference between system`s low-level representation and human`s high-level concept. So it doesn`t always mean that near points in the vector space are similar to user. We call this the semantic-gap problem. Due to this problem, performance of image retrieval is not good enough. To solve this problem, the relevance feedback which uses user`s feedback information is used. But existing relevance feedback doesn`t consider users` regions-of-interest, and therefore, irrelevant regions are used in computing new query points. Because the system doesn`t know users` regions-of-interest, relevance feedback is proceeded in the image-level. In this paper, we propose a new region-of-interest relevance feedback method which guides a user to select regions-of-interest from relevant images for the similarity search of complex satellite images, and this improves the accuracy of the image retrieval by computing more accurate query points. We use the normalized Euclidean distance which considers variations of components of representative points of relevant clusters. So, we can calculates distances using more weights to useful components. Also, in this paper, we propose two pruning techniques. The first one improves the accuracy of the image retrieval by using images not selected by the user. The second one can reduce the number of shown regions to the user. Experiments show the efficiency of the proposed region-of-interest relevance feedback and the pruning technique.
내용기반 영상검색(CBIR)은 이미지 자체의 정보를 이용하는 검색기법이다. 하지만 텍스트 데이터와는 달리 멀티미디어 데이터는 구분하기 힘들며, 시스템의 낮은 차원의 표현법과 사람의 고차원의 컨셉간에는 큰 차이가 존재한다. 따라서 이런 이유로 벡터공간에서 이미지가 점으로 표현될 때, 가까운 점이 곧바로 사용자에게 유사한 이미지를 의미하지 않는다. 이러한 문제를 semantic-gap 문제라고 부른다. 이런 문제로 인해 영상 검색의 성능은 그리 좋지는 않다. 이 문제를 해결하기 위해 사용자의 피드백 정보를 이용하는 relevance feedback이 사용된다. 하지만 기존의 relevance feedback 연구에서는 사용자의 관심지역을 고려하지 않는다. 따라서 비유사 영역들이 새로운 질의 점을 계산하는데 사용된다. 시스템은 사용자의 관심지역을 스스로 알 수 없기 때문에 relevance feedback은 이미지 단위로 수행되었다. 본 논문에서는 새로운 사용자 관심지역 relevance feedback방법을 제안하여 복잡한 위성영상 검색에서 사용자로 하여금 유사한 이미지 중 찾고자 하는 영역을 선택하도록 한다. 그리고 제안한 방법은 보다 정확한 질의 점을 계산함으로써 영상 검색의 정확도를 향상시킨다. Normalized Euclidean 거리 계산법을 사용하여 각 유사 클러스터의 각 컴포넌트의 분산값을 고려하여 보다 유용한 컴포넌트에 더 큰 weight를 할당하도록 한다. 또한 두 개의 프루닝 기법을 제안한다. 첫 번째는 사용자로부터 선택되지 않은 이미지 정보를 이용하여 영상 검색의 정확도를 향상시키도록 한다. 두 번째는 사용자에게 보여지는 영역의 개수를 줄이는 프루닝 기법이다. 실험에서는 제안한 사용자 관심지역 relevance feedback의 효율성과 프루닝 기법의 효율성을 보인다.
