http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : Jung-uk Beak(백정욱) (검색결과 4 건)
- 무료
- 기관 내 무료
- 유료
-
-
CBIR Indexing System using Spatial Multi-Resolution Color Histogram
Jung-uk Beak(백정욱),Young-eun An(안영은),Jong-an Park(박종안) 한국정보기술학회 2008 한국정보기술학회논문지 Vol.6 No.1
Color histogram is widely used for image indexing in content-based image retrieval (CBIR). A color histogram describes the global color distribution for an image. It is very easy to compute and is insensitive to small changes in viewing positions. However, the histogram is not robust to large appearance changes. Moreover, the histogram might give similar results for different images if the distributions of colors are same in the images. In this paper, we propose color histogram for different spatial resolutions. At first, the histogram for an image is calculated, and then the histograms are calculated for the lower resolutions of the image. The lower resolution images are generated by filtering the image with spatial median filters of various sizes. The distance between histograms of the query image and the corresponding histograms of images from a collection is calculated. The final distance is difference in the sum of the feature histograms of query image and the image database. The CBIR Indexing system algorithm proposed in this paper is tested on an image database comprising a large number and results are compared with the single resolution color 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.
-
칼라 히스토그램 정제를 이용한 특징벡터 기반 영상 검색 알고리즘
강지영(Ji-Young Kang),박종안(Jong-An Park),백정욱(Jung-Uk Beak) 한국HCI학회 2008 한국HCI학회 학술대회 Vol.2008 No.2
내용기반 영상검색(CBIR)에서 보다 효율적이고 빠른 영상검색을 위하여 본 논문에서는 칼라 히스토그램 정제를 이용한 특징벡터 기반 영상검색 알고리즘을 제안한다. RGB 칼라 이미지에서 각각의 R, G, B를 분할하고 히스토그램을 추출하여 16개의 영역(bin)으로 균일하게 분할한 다음 R, G, B 각각의 히스토그램에서 영역의 픽셀값을 계산하여 비교, 분석하고 그중 최고값을 추출한다. 그리고 R, G, B 각각의 영역의 최고값들을 이용하여 칼라 정보를 인덱스화한 후 그 특징값을 이용한 영상 검색 기술을 수행한다. 본 논문에서 제안한 알고리즘은 효과적인 특징 추출을 위하 여 각각의 R, G, B에서 추출 된 특징값을 특징벡터 테이블로 구성하여 입력 영상과 데이터베이스 영상을 비교하고 매 칭도와 순위를 구하여 기존의 히스토그램만을 이용한 알고리즘 보다 더 나은 검색 결과를 확인하였다. This paper presents an image retrieval algorithm based on feature vector using color of histogram refinement for a faster and more efficient search in the process of content based image retrieval. First, we segment each of R, G, and B images from RGB color image and extract their respective histograms. Secondly, these histograms of individual R, G and B are divided into sixteen of bins each. Finally, we extract the maximum pixel values in each bins' histogram, which are calculated, compared and analyzed, Now, we can perform image retrieval technique using these maximum pixel value. Hence, the proposed algorithm of this paper effectively extracts features by comparing input and database images, making features from R, G and B into a feature vector table, and prove a batter searching performance than the current algorithm that uses histogram matching and ranks, only.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
