http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
객체 코너의 재배열된 특성요소의 최대 열에 의한 영상 정보 검색
강광원(Gwang-won Kang),이지민(Ji-min Lee),박종안(Jong-an Park) 한국정보기술학회 2010 한국정보기술학회논문지 Vol.8 No.12
본 연구에서는 객체 코너의 재배열된 특성요소의 최대 열에 기반하는 비주얼 정보검색 기법을 제안한다. 제안된 알고리즘은 다음 단계로 진행된다. 먼저 영상 내 객체의 코너 점을 추출하여, 이를 크기순에 따라 순환적으로 재배열하여 특성벡터를 형성한다. 그리고 재배열된 특성벡터에 따라 얻게 되는 최대 열벡터를 기반으로 유사도를 측정하게 된다. 제안된 기법은 영상 내에서 형태 구조가 분명한 객체의 실험에서 성능이 우수하였으고, 객체의 이동이나 회전에도 강인하였으며 코너 패치 히스토그램을 이용한 형태 검색에 비해 약 0.05%의 향상된 recall을 나타내었다. This paper have proposed an algorithm for retrieving a visual information based on rearranged feature vectors of the object corner. The proposed algorithm is processed as follows. First, the corner points of the object in an image are extracted and then the feature vectors are obtained. It are rearranged according to the number dimension and consist of sequence vectors. And the similarity based on the maximum of sequence vectors is measured. The proposed technique is invariant to the rotation or the transfer of the objects and more efficient in case that the objects present simple structure. In simulation that use Wang's database, the method presents that the recall property is improved by 0.05% and more than the standard corner patch histogram.
RGB 최대 주파수 인덱싱과 BW 클러스터링을 이용한 콘텐츠 기반 영상 검색
강지영(Kang, Ji-Young),백정욱(Beak, Jung-Uk),강광원(Kang, Gwang-Won),안영은(An, Young-Eun),박종안(Park, Jong-An) 한국정보전자통신기술학회 2008 한국정보전자통신기술학회논문지 Vol.1 No.2
칼라 코렐로그램은 계산량이 많아지고 저장 공간이 커져서 검색하는 시간이 길어지므로 일반적으로 64*64 로 양자화 하여 사용되어지는데, 본 논문에서는 메디안 픽셀 특징에 공간정보를 이용하여 9*9 로 양자화 하였다. 기존 알고리즘의 경우 메디안 값이 중복되는 경우 중복된 값들을 정렬하여 그 중 가운데 값을 특징자 값으로 정하였으나, 제안된 알고리즘에서는 중복된 값들을 정렬하여 그 중 공간정보가 가장 작은 값을 특징자 값으로 정하였다. 그리고 코렐로그램을 적용하여 특징자 테이블을 구성하고 이를 이용하여 비교하였다. 제안된 알고리즘은 시뮬레이션을 통해 테스트 하였고 그 결과 기존 알고리즘 보다 더 나은 검색성능을 나타내게 되었다. This study proposed a content-based image retrieval system that uses RGB maximum frequency indexing and BW clustering in order to deal with existing retrieval errors using histogram. We split RGB from RGB color images, obtained histogram which was evenly split into 32 bins, calculated and analysed pixels of each area at histogram of R, G, B and obtained the maximum value. We indexed the color information obtained, obtained 100 similar images using the values, operated the final image retrieval system using the total number and distribution rate of clusters. The algorithm proposed in this study used space information using the features obtained from R, G, and B and clusters to obtain effective features, which overcame the disadvantage of existing gray-scale algorithm that perceived different images as same if they have the same frequencies of shade. As a result of measuring the performances using Recall and Precision, this study found that the retrieval rate and priority of the proposed algorithm are more outstanding than those of existing algorithm.