24 Region-Based Image Retrieval using Fuzzy Clustering 1130323 2013 3 9
Visual-key Image Retrieval(VKIR) k-means Fuzzy C-means 2 200 2 2 20 VKIR 5 18% 54% 7 30 Fuzzy C-means i
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
1 1 2 3 2.1 Content-Based Image Retrieval(CBIR).................. 3 2.2 Region-Based Image Retrieval(RBIR)................... 3 2.3.......................... 4 2.3.1...................... 5 2.3.2................... 6 2.3.3................... 7 2.4............................. 7 2.4.1......................... 7 2.4.2 k-means.............................. 8 2.4.3 Ward................................ 9 2.5 c-means( )................. 10 2.6....................... 11 3 12 3.1.............. 12 3.2............................. 13 3.3............... 14 4 16 4.1................................... 16 4.2....................... 18 4.3................................... 18 iii
4.4...................................... 19 5 21 22 24 A 5 25 B 5 29 iv
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 2 200 2 1
2 20 VKIR 5 18% 54% 7 30 2
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
2.3 RBIR 2.3 1 4
2.3 クラスタ 1 クラスタ 2 2.1 2.3.1 4 1. 2. 3. 4. 1 4 2.2 5
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 key2 2.2 2.3.2 1. 2. 3. 4. (2 2 ) 6
2.4 2.3.3 2.4 2.4.1 2 1. [ ] 2. [ ] 7
2.4 Ward 2.4.2 k-means k-means (k ) k 2 k-means k k k-means 8
2.4 2.4.3 Ward Ward Ward 2.3 9
2.5 c-means( ) 2.5 c-means( ) ( ) Fuzzy C-means(FCM) cluster fuzzy value 1 0.1 5 0.17 10 0.21 total 1 20 0.42 2.4 10
2.6 2.6 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 2 1 2.5 11
3 3.1 id ( ) fvalue class 200 img 20% 12
3.2 3.1 3.2 Web Apache SQLite PHP Web Web SQLite Web Web 13
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 3.2 3.3 3.3 14
3.3 3.4 15
4 DCT 4.1 ArtExplosion 10 (Agriculture Ballet Castles Flowers Food Landscape Panoramic Texas Water Wilderness) 001 020 20 200 1 10 16
4.1 4.1 4.2 20 17
4.2 200 5 = = (4.1) (4.2) (4.3) 4.2 200 2 2 20 M.Serata k-means 4.3 11% 18% 24% 54% 18
4.4 0.6 検索精度の比較 0.5 0.4 0.3 0.2 平均適合率 平均再現率 0.1 0 k-means( 従来 ) Fuzzy C-means( 提案 ) 4.3 4.4 k-means Fuzzy C-means 11% 18% 7% 24% 54% 30% k mean 7% 30% Fuzzy C-means 0.2 0.2 19
4.4 0.2 5 20
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
4 3 22
23
[1] 1999 10 30 [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 136-144 2006 [3] K.Okamoto and S.Yoshida. DCT Domain Color Feature Extraction for Visual Key Image Retrieval, 22 pp.322-326 2007. 24
A 5 0.5 0.45 0.4 0.35 適 0.3 合 0.25 率 0.2 0.15 0.1 0.05 0 被験者 A 1 2 3 4 5 6 7 8 9 10 画像番号 A.1 A A 5 6 10% 25
0.6 被験者 B 0.5 0.4 適合 0.3 率 0.2 0.1 0.0 1 2 3 4 5 6 7 8 9 10 画像番号 A.2 B B 6 50% 10% 0.5 被験者 C 0.4 適合率 0.3 0.2 0.1 0.0 1 2 3 4 5 6 7 8 9 10 画像番号 A.3 C C 5 6 26
0.6 被験者 D 0.5 適合率 0.4 0.3 0.2 0.1 0.0 1 2 3 4 5 6 7 8 9 10 画像番号 A.4 D D 3 5 6 10 D 適合率 0.5 0.5 0.4 0.4 0.3 0.3 0.2 0.2 0.1 0.1 0.0 被験者 E 1 2 3 4 5 6 7 8 9 10 画像番号 A.5 E E 5 6 27
5 5 6 28
B 5 再現率 1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.0 被験者 A 1 2 3 4 5 6 7 8 9 10 画像番号 B.1 A A 10 7 50% 1 29
再現率 1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.0 被験者 B 1 2 3 4 5 6 7 8 9 10 画像番号 B.2 B B 3 6 80% 30% 60% 1.0 被験者 C 0.8 再現率 0.6 0.4 0.2 0.0 1 2 3 4 5 6 7 8 9 10 画像番号 B.3 C C 7 8 20% 30
再現率 1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.0 被験者 D 1 2 3 4 5 6 7 8 9 10 画像番号 B.4 D D 3 6 10 7 15% 再現率 1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.0 被験者 E 1 2 3 4 5 6 7 8 9 10 画像番号 B.5 E E 3 6 31
5 3 6 32