A Image Search Algorithm using Coefficients of The Cosine Transform

여현변환 계수를 이용한 이미지 탐색 알고리즘

Abstract

The content based on image retrieval makes use of features of information within image such as color, texture and share for Retrieval data. we present a novel approach for improving retrieval accuracy based on DCT Filter-Bank. First, we perform DCT on a given image, and generate a Filter-Bank using the DCT coefficients for each color channel. In this step, DC and the limited number of AC coefficients are used. Next, a feature vector is obtained from the histogram of the quantized DC coefficients. Then, AC coefficients in the Filter-Bank are separated into three main groups indicating horizontal, vertical, and diagonal edge directions, respectively, according to their spatial-frequency properties. Each directional group creates its histogram after employing Otsu binarization technique. Finally, we project each histogram on the horizontal and vertical axes, and generate a feature vector for each group. The computed DC and AC feature vectors bins are concatenated, and it is used in the similarity checking procedure. We experimented using 1,000 databases, and as a result, this approach outperformed the old retrieval method which used color information.

내용기반 영상검색은 영상 내의 정보인 색상, 질감, 형태 등의 특징 값을 추출하여 검색에 이용한다. 본 논문에서는 $8{\times}8$ 이산여현변환, 즉 $8{\times}8$ DCT(Discrete Cosine Transform) 후 얻어지는 DC, AC계수를 이용하여 필터뱅크(filter-bank)를 생성하고, 이를 영상의 내용기반 검색에 이용하는 검색방법을 제안한다. 제안된 방법은 생성된 DCT 필터뱅크에서 DC성분과 주요한 AC성분인 AC01, AC10, AC11 만을 이용하며, DC성분에 대한 양자화를 수행하여 계산량을 최소화한다. 그리고 양자화된 DC성분에 대한 히스토그램 정보를 기반으로 영상 검색에 필요한 특징 값을 산출한다. AC성분에 대해서는 Otsu 이진화를 통하여 개괄적인 형태정보를 취득한 다음 이에 대한 수평/수직 방향으로의 투영 히스토그램을 계산하여 특징 값을 취득한다. 추출된 AC성분의 특징 값은 DC성분의 특징 값과 함께, 특징벡터 빈(feature vector bins)을 구성하여 검색을 수행한다. 실험은 1000장의 데이터베이스를 이용하여 수행 되었으며, 기존의 색상정보를 이용한 검색방법보다 우수한 성능을 보임을 확인하였다.

그림 1. (a) 원 영상과 (b) 8×8 DCT 변환 결과 Fig. 1. Original image and 8×8 DCT result Image : (a) Original Image, (b) Its DCT result.

그림 2. 제안된 방법을 통하여 생성된 DCT 필터뱅크. Fig. 2. DCT Filter-Bank for the proposed method.

그림 3. DCT 필터뱅크에서 추출된 AC계수의 방향정보 Fig. 3. Orientation information of extracted AC Coefficient from the DCT filter-bank.

그림 6. 투영 히스토그램 생성 과정 Fig. 6. Computation of the projection histogram.

그림 7. 제안된 알고리즘 블록도 Fig. 7. Block diagram of the proposed method.

그림 9. 실험에 사용된 영상 데이터베이스 Fig. 9. Database images for experiments.

그림 10. 공룡 영상에 대한 검색성능 Fig. 10. Retrieval performance about dinosaur images.

그림 11. 꽃 영상에 대한 검색성능 Fig. 11.Retrieval performance about flower images.

그림 12. 말 영상에 대한 검색성능 Fig. 12. Retrieval performance about horse images.

그림 4. 제안된 방법을 위한 DCT 필터뱅크 생성 과정 Fig. 4. DCT filter-bank extraction for the proposed method.

그림 5. (a) 원 영상에 대한 히스토그램, (b) DC성분에 대한 히스토그램, (c) DC성분에 대한 64 level 양자화 수행 후의 히스토그램 Fig. 5. (a) Histograms of original image, (b) Histograms of DC components (c) Histograms of DC components quantized by the level 64.

그림 8. 실험에 이용된 영상 검색 시스템 Fig. 8. Retrieval System.

표 1. 검색을 위한 특징벡터 빈 Table 1. Bins of feature vector for retrieval.

표 2. 데이터베이스 분류 Table 2. Database classification.

표 3. 제안된 검색방법과 기존의 색상검색에 대한 평균 정확도(공룡) Table 3. Average Precision about proposed method and retrieval using color method(dinosaur).

표 4. 제안된 검색방법과 기존의 색상검색에 대한 평균정확도 (꽃) Table 4. Average Precision about proposed method and retrieval using color method(flower).

표 5. 제안된 검색방법과 기존의 색상검색에 대한 평균정확도(말) Table 5. Average Precision about proposed method and retrieval using color method(horse).