Categorization is a work to classify the category of the data. Nowadays, demand on categorization is increasing enormously due to the availability of large databases and performance requirements, such as speed, accuracy, and cost. In particular, image categorization is a very useful and important technique in the image retrieval or in filtering system. In many of the emerging researches and applications, it is clear that any single approach for the image categorization is not optimal and thus other approaches adapting multiple methods have to be used. Consequently, combining several methods and classifiers is now commonly and practically used in the category classification.
In this paper, we propose an automatic image categorization method using MPEG-7 techniques. Generally, the design of an image categorization essentially involves the following three aspects: 1) image acquisition, 2) image representation, and 3) category decision-making. The categorization belongs to the decision-making part. In our method, the images are categorized by content-based description using MPEG-7. All similarity distances at each category are measured using multiple MPEG-7 descriptors. In addition, a matching technique for combining similarity distances using multiple MPEG-7 descriptors is newly addressed. As further work, we devise a method to apply the ordinal measure to categorization. Because most of errors have similar pattern, we try to find the pattern by considering the correlation with other categories. So it will be more reduce the possibility that the query image is not correctly classified.
Experiments are performed with some query images, which are classified by fourteen categories. Experimental results show that the proposed category classification method is superior to that with single descriptor.
카테고리화는 데이터의 패턴을 분석함으로써 그것의 카테고리를 식별하기 위한 작업이다. 오늘날 방대한 데이터베이스의 사용과 시스템의 속도, 정확성, 그리고 비용 등의 성능 요구로 인하여 데이터의 카테고리화에 대한 요구가 급격히 증가하고 있다. 특히, 이미지 카테고리화 작업은 이미지 검색 시스템이나 이미지 필터링 시스템에서 매우 유용하고 중요한 기술로써, 이에 대한 수 많은 연구가 수행되고 있다. 카테고리화에 대한 기존의 연구나 응용들 뿐만 아니라 새로운 연구들에서, 단일한 접근 방법을 통한 카테고리화가 최적이 아님이 분명하게 증명되고 있다. 그러므로, 카테고리화를 위해 다중의 방법을 조합한 접근 방법이 사용되어야 한다.
본 논문에서는 자동적 이미지 카테고리화 방법을 제안한다. 제안된 방법에서는 MPEG-7을 사용하여 다중의 내용 기반 특징을 추출하고, 이를 조합함으로써 카테고리화를 수행한다. 이미지가 가지는 다중의 특징을 조합함으로써 카테고리화를 수행하려는 시도는 기존에도 많이 수행되었다. 본 논문에서는 기존에 사용되었던 다중 특징값 조합 방법의 단점을 보완하는 방법으로 새로운 조합 방법을 고려한다. 이러한 방법은 각각의 특징값이 가지는 고유한 특성을 유지하는 동시에, 이들을 각 카테고리의 특성을 보다 정확히 표현할 수 있게 한다. 제안된 방법은 카테고리 데이터 베이스의 증가에 따른 계산 복잡도가 증가하지 않는다는 장점을 가지며, 동시에 다중의 특징값의 사용하여 카테고리의 특성을 표현함으로써 얻어진 유사도 거리 값의 최적화를 수행하도록 한다. 그러므로, 다중 특징값의 카테고리화 수행 능력이 뛰어나다면 보다 우수한 카테고리화 결과를 얻을 수 있다. 본 논문에서는 잘못된 카테고리화 비율을 좀더 낮추기 위하여Ordinal Measure 방법을 추가로 제안한다.
본 논문의 알고리즘을 증명하기 위하여, 인간의 시각적 인지에 의해 분류된 이미지들을 사전에 정의된 14개의 카테고리에 정확히 식별되는지 실험되었다. 실험 결과는 제안된 카테고리화 방법이 특징 값들이 가지는 한계 내에서, 다중 특징값의 특성을 보다 우수하게 반영함으로써 카테고리화 수행 능력을 최대화함을 보여준다.
