본문 바로가기
[학술저널]

뼈대 특징을 이용한 모양 기반의 영상 분류

  • 학술저널

뼈대 특징을 이용한 모양 기반의 영상 분류

Shape-based Image Classification Using Skeleton Features

장석우(안양대학교) 카남 솔리마(건국대학교) 백우진(건국대학교)

표지

북마크 0

리뷰 30

이용수 104

피인용수 3

초록

뼈대는 모양 기반의 영상 분류에서 매우 중요한 특징으로 사용된다. 본 논문에서는 쇼크 그래프 기반의 뼈대 특징을 이용하여 모양 정보를 분류하기 위해 그래프 편집 거리 기반의 k-means 클러스터링 알고리즘을 적용하는 방법을 제안한다. 본 논문에서 제안된 방법에서는 먼저 질의 영상과 대상 데이터베이스 영상으로부터 뼈대 기반의 쇼크 그래프를 추출한 후 종점과 분기점을 가중치를 이용하여 적응적으로 선택한다. 그런 다음, 두 영상 사이의 편집 거리를 구하여 이를 k-means 클러스터링 알고리즘의 거리 척도로 적용함으로써 대용량의 영상을 보다 효과적으로 분류한다. 이때 사용된 편집 거리는 쇼크 포인트 정합 거리와 변형 거리로 구성된다. 본 논문에서는 성능을 평가하기 위해서 제안된 알고리즘을 MPEG-7 데이터베이스에 적용하였으며, 그 결과 제안된 영상 분류 방법이 기존의 영상 분류 방법에 비해서 보다 효과적으로 모양 기반의 영상을 분류하였음을 확인하였다.

Skeleton is used as an important feature for shape-based image classification. In this paper, we propose a method of applying a k-means clustering algorithm based on graph edit cost in order to classify shape images using shock graph-based skeleton features. The suggested method first adaptively selects either end points or branch points after extracting skeleton-based shock graphs from query and target database images. We then calculate the edit cost between two images and apply the calculated cost to the distance measure of k-means clustering. The edit cost is composed of shock point matching cost and deform cost. As a result, we can effectively classify a large database images into corresponding groups. To verify the performance of the suggested algorithm, we tested it on MPEG-7 dataset and our algorithm outperformed other existing methods.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 쇼크 그래프 기반의 모양 표현
Ⅲ. 편집 거리를 이용한 K-means 클러스터링
Ⅳ. 실험 결과
Ⅴ. 결론 및 향후연구
참고문헌
저자소개

리뷰(0)

도움이 되었어요.0

도움이 안되었어요.0

첫 리뷰를 남겨주세요.
Insert title here