24 Region-Based Image Retrieval using Fuzzy Clustering

Size: px

Start display at page:

Download "24 Region-Based Image Retrieval using Fuzzy Clustering"

りさこしまむね
5 years ago
Views:

1 24 Region-Based Image Retrieval using Fuzzy Clustering

2 Visual-key Image Retrieval(VKIR) k-means Fuzzy C-means VKIR 5 18% 54% 7 30 Fuzzy C-means i

3 Abstract Region-Based Image Retrieval using Fuzzy Clustering Yohei Ono Region-based image retrieval for example visual-key image retrieval is one of important techniques for image retrieval without using keywords. In visual-key image retrieval data clustering is important. Data clustering is used for dividing all sub-images to several clusters which contain similar sub-images. However conventional VKIR uses k-means or Ward method which are so called hard clustering In this thesis we apply fuzzy clustering algorithm to classify sub-images to clusters Using fuzzy clustering sub-images which are ambiguous to classify specific cluster can be classified to all clusters with membership values. Therefore users sense can be reflect to the result of clustering and the precision of VKIR improves. The experimental result shows that the precision improves to 11% and recall improves to 24% while those of conventional method are 18% and 54% respectively key words Image Retrieval System Clustering Visual-Key Fuzzy C-means Fuzzy Clustering ii

4 Content-Based Image Retrieval(CBIR) Region-Based Image Retrieval(RBIR) k-means Ward c-means( ) iii

5 A 5 25 B 5 29 iv

6 1 Web Web Web PC Content-Based Image Retrieval(CBIR) Region-Based Image Retrieval(RBIR) RBIR Visual-key Image Retrieval(VKIR) k-means Ward VKIR Fuzzy C-means

7 2 20 VKIR 5 18% 54%

8 2 CBIR RBIR 2.1 Content-Based Image Retrieval(CBIR) Text-Based Image Retrieval(TBIR) Content based Image Retrieval(CBIR) CBIR 2.2 Region-Based Image Retrieval(RBIR) CBIR RBIR(Region-Based Image Retrieval) RBIR RBIR 3

9 2.3 RBIR

10 2.3 クラスタ 1 クラスタ

11 2.3 画像の分割代表的な画像をビジュアルキーとして選定類似している特徴ベクトル同士をクラスタ分別 Visual key1 Visual key (2 2 ) 6

12 [ ] 2. [ ] 7

13 2.4 Ward k-means k-means (k ) k 2 k-means k k k-means 8

14 Ward Ward Ward 2.3 9

15 2.5 c-means( ) 2.5 c-means( ) ( ) Fuzzy C-means(FCM) cluster fuzzy value total

16 k-mean Ward 0 1 ハードクラスタリングファジィクラスタリングクラスタ1 クラスタ2 クラスタ3 クラスタ1 1 クラスタ1 0.5 クラスタ2 0 クラスタ2 0.5 クラスタ 1 0 クラスタ

17 3 3.1 id ( ) fvalue class 200 img 20% 12

18 Web Apache SQLite PHP Web Web SQLite Web Web 13

19 3.3 ユーザ (Web ブラウザ ) Web サーバ (Apache) 画像情報の通信 SQL 文インデックスの通信データベース (Sqlite) PHP 画像情報の取得ファイル画像インデックス画像データベース

21 4 DCT 4.1 ArtExplosion 10 (Agriculture Ballet Castles Flowers Food Landscape Panoramic Texas Water Wilderness)

23 = = (4.1) (4.2) (4.3) M.Serata k-means % 18% 24% 54% 18

24 検索精度の比較平均適合率平均再現率 k-means( 従来 ) Fuzzy C-means( 提案 ) k-means Fuzzy C-means 11% 18% 7% 24% 54% 30% k mean 7% 30% Fuzzy C-means

26 5 Region-Based Image Retrieval(RBIR) VKIR k-means Fuzzy C-means k-means 11% 24% Fuzzy C-means 18% 54% 7% 30% 30% 20% 21

27 4 3 22

28 23

29 [1] [2] M.Serata Y.Hatakeyama and K.Hirota Designing Image Retrieval System with the Concept of Visual Keys, Journal of Advanced Computational Intelligence and Intelligent Informatics vol. 10 no. 2 pp [3] K.Okamoto and S.Yoshida. DCT Domain Color Feature Extraction for Visual Key Image Retrieval, 22 pp

30 A 適 0.3 合 0.25 率被験者 A 画像番号 A.1 A A % 25

31 0.6 被験者 B 適合 0.3 率画像番号 A.2 B B 6 50% 10% 0.5 被験者 C 0.4 適合率画像番号 A.3 C C

32 0.6 被験者 D 0.5 適合率画像番号 A.4 D D D 適合率被験者 E 画像番号 A.5 E E

34 B 5 再現率被験者 A 画像番号 B.1 A A % 1 29

35 再現率被験者 B 画像番号 B.2 B B % 30% 60% 1.0 被験者 C 0.8 再現率画像番号 B.3 C C % 30

36 再現率被験者 D 画像番号 B.4 D D % 再現率被験者 E 画像番号 B.5 E E

(VKIR) VKIR VKIR DCT (R) (G) (B) Ward DCT i

24 Region-Based Image Retrieval using Color Histogram Feature 1130340 2013 3 1 (VKIR) VKIR VKIR DCT (R) (G) (B) 64 64 Ward 20 1 20 1 20. 5 10 2 DCT i Abstract Region-Based Image Retrieval using Color Histogram