군집 기반 하우스도르프 거리를 이용한 색상 팔레트 비교

국문 초록 (Abstract)

색상은 이미지에서 인간의 이미지 인식에 가장 큰 영향을 미치며, 눈과 뇌에 가장 먼저 인지되는 시각 요소이다. 색상 팔레트는 한정된 수의 색상을 선택해 배열해놓은 형태로 패션, 디자인, 건축, 미디어, 미술 등의 다양한 시각 분야에서 사용되는 기본 단위이다. 색상 팔레트 유사도 측정에 사용돼오던 기존의 집합 또는 시퀀스의 유사도 측정법은 요소의 수가 상대적으로 적고, 색상 간의 관계가 모두 동등하게 인지되지 않는다는 색상 팔레트 고유의 특성을 고려하지 않아 안정적인 측정값을 도출하지 못하는 문제가 있다. 본 연구에서는 색상 팔레트의 효과적인 비교를 위한 군집 기반 하우스도르프 거리 측정법을 소개한다. 본 연구에서 제안하는 군집 기반 하우스도르프 거리를 이용한 색상 팔레트 비교법은 기존의 단순한 색상 팔레트 비교법보다 전반적인 색상의 구성을 비교하거나 부분적으로 강한 색상 매칭을 반영한 유사도 비교를 가능하게 한다. 본 연구에서 제안하는 유사도 비교는 이미지의 점진적 로딩 과정에서 전반적인 색상의 구성을 비교해야 하는 색상 팔레트 기반의 이미지 검색 서비스에서 높은 활용도가 기대된다.

다국어 초록 (Multilingual Abstract)

Color is the primary visual element that is first observed in an image and has the most effect on human’s image recognition. A color palette is arranged by selecting a certain number of colors, and it is a fundamental unit used in various visual fields such as fashion, design, architecture, media, and art. Palette similarity is commonly measured using set-based and sequence-based approaches. However, they cannot provide consistent measurements since they ignore the specific properties of the color palette, such as the small number of components and the fact that not all color associations are equally recognized. In this study, we introduce a cluster-based Hausdorff distance measurement for an effective comparison of color palettes. Compared to the conventional color palette comparison, the cluster-based Hausdorff distance enables the similarity measurement by reflecting the overall color composition of the palettes and partial color matching between a pair of palettes. The proposed similarity comparison is expected to be widely employed in the color palette-based image retrieval services that require comparison between the overall color composition of images during progressive loading.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 하우스도르프 거리 측정
• 3. 제안 방법
• 4. 결론
• References

참고문헌 (Reference)

1 김수지, "이미지 분할과 관심 영역 맵 기반 색상 스키마 추출" 한국정보과학회 48 (48): 302-307, 2021

2 Wu, X, "Unconstrained Handwritten Numeral Recognition using Hausdorff Distance and Multi-Layer Neural Network Classifier" 249-252, 1999

3 Gerstner, T, "Pixelated image abstraction" 29-36, 2012

4 Zhang, Q, "Palette-Based Image Recoloring Using Color Decomposition Optimization" 26 (26): 1952-1964, 2017

5 Sim, D. -G., "Object matching algorithms using robust Hausdorff distance measures" 8 (8): 425-429, 1999

6 Whang, J. J., "Non-Exhaustive, Overlapping Clustering" 41 (41): 2644-2659, 2019

7 Borodin, P., "High-Quality Simplification with Generalized Pair Contractions" 147-154, 2003

8 Mojsilovic, A., "Extraction of perceptually important colors and similarity measurement for image matching, retrieval and analysis" 11 (11): 1238-1248, 2002

9 Tan, J, "Decomposing Images into Layers via RGB-Space Geometry" 36 (36): 7:1-7:14, 2017

10 Huttenlocher, D. P, "Comparing Images Using the Hausdorff Distance" 15 (15): 850-863, 1993

11 Pan, Q, "Comparative Evaluation of Color Differences between Color Palettes" 110-115, 2018

12 Solli, M, "Color Semantics for Image Indexing" 353-358, 2010

13 Kim, S, "Color Scheme Extraction Using Segmentation and Saliency Maps" 1020-1022, 2019

14 Phan, H. Q, "Color Orchestra: Ordering Color Palettes for Interpolation and Prediction" 24 (24): 1942-1955, 2018

15 Liu, S, "Attention-aware color theme extraction for fabric images" 88 (88): 552-565, 2018

16 Dubuisson M.-P, "A modified Hausdorff distance for object matching" 566-568, 1994