The surface curvedness operator and its applications to image classification and image retrieval

ตัวดำเนินการความโค้งพื้นผิวและการประยุกต์ใช้งานในการจัดหมวดหมู่ภาพและการค้นคืนภาพ

Name: Tanongchai Sookawat

LCSH: Computer vision

LCSH: Image processing

Abstract: This research proposed a method to define a feature by using the Surface Curvedness Operator or SC-operator. This operator can be used to describe the altitude of surface curvature by using the concept of topographic structure, which can be used to view pixel-based image as 3D surface for use in conjunction with features derived from the Surface-Shape operator for image classification and image retrieval applications. The SC-operator is related to the curvedness of the image surface. The SC-operator was defined by using the relation of two eigenvalues of the Hessian Matrix, which is the distance of the coordinate of eigenvalues from origin on the eigenvalue plane. With the SC-operator, the feature called the Roughness Index was derived to use together with the clumpiness and miscibility values, which are derived from the Surface Shape Operator and used to describe the shape of image surfaces. The Fractal Theory and the Scale Space Theory were used to develop the roughness index in a multiscale approach. Euclidean distance and Mahalanobis distance were used as classifiers and similarity measures. In our experiments, the clumpiness and miscibility were calculated from 4 different scales. While the roughness index was calculated from 5 different scales. Images used in the experiments were obtained from the Brodatz Texture Image Database, which consists of 112 categories. For each category, 18 images were selected, ten of which were used as a training set and eight others as a testing set for image classification. For image retrieval, 896 (112x8) images were used, as the testing database. Results showed that the roughness index could be used to enhance the results of image classification and image retrieval applications. For image classification, the percentage of correct classification was improved from 86.38% to 87.95%. For the image retrieval, the roughness index could be also used to enhance the accuracy rate from 77% to 80% when considering the top 8 retrieved images and 96% to 98% when considering the top 100 retrieved images. In addition, it could be concluded that Mahalanobis distance provides better results than Euclidean distance.

Abstract: งานวิจัยนี้ได้นำ feature ซึ่งหาได้จากตัวดำ เนินการความโค้งพื้น (SC operator) ซึ่งใช้ใน การอธิบายลักษณะความสูงตํ่าของพื้นผิวภาพ โดยใช้หลักการของ Topographic Structure ซึ่ง เป็นการมองภาพจากเดิมที่เป็นลักษณะสองมิติ ให้เป็นพื้นผิวสามมิติมาใช้ควบคู่กับลักษณะเด่น ซึ่ง หาได้จาก SS operator เพื่อใช้ในการจัดหมวดหมู่ภาพและการค้นคืนภาพ ซึ่งตัวดำ เนินการนี้มี ความสัมพันธ์โดยตรงกับความโค้งของพื้นผิวภาพ ในการหา SC operator นั้น เราหาได้จากความ สัมพันธ์ระหว่าง eigenvalue สองค่าซึ่งได้มาจาก Hessian matrix โดยที่ SC operator นั้นคือ ระยะห่างระหว่างคู่ลำ ดับของ eigenvalue สองค่านั้นกับจุดกำ เนิด จากนั้นได้ทำ การหาลักษณะเด่น โดยใช้ Fractal Theory และ Scale Space Theory เพื่อที่จะใช้ในการอธิบายภาพจากตัวดำ เนิน การความโค้งพื้นผิวในลักษณะของการวิเคราะห์ภาพแบบหลายสเกลซึ่งลักษณะเด่นที่ได้จากการ วิจัยครั้งนี้คือ Roughness Index ซึ่งจะนำ ไปใช้งานร่วมกับ Clumpiness และ Miscibility ซึ่งใช้ หลักการของ aura matrix และ SS Operator สำ หรับ Classifier และ ตัววัดความคล้ายคลึง ใน การทดลองนี้ใช้ทั้งสิ้นสองชนิดคือ Euclidean distance และ Mahalanobis distance ในการหา Clumpiness และ Miscibility ได้จากภาพที่สเกลต่าง ๆ กัน 4 สเกล และ Roughness Index หา จากภาพที่สเกลต่าง ๆ กัน 5 สเกล โดยภาพทั้งหมดที่ใช้ในการทดลองนี้ได้มาจาก Brodatz Texture Image Database ซึ่งมีทั้งสิ้น 112 หมวดภาพ โดยที่ในแต่ละหมวดภาพนั้นมีภาพทั้งสิ้น 18 ภาพ โดยในกรณีของการจัดหมวดหมู่ภาพ (Image classification) ใช้ 10 ภาพ สำ หรับการ training และ 8 ภาพ สำ หรับเป็นภาพทดสอบ และ ในกรณีของการค้นคืนภาพจะใช้ภาพทั้งหมด 896 (112x8) ภาพเป็นฐานข้อมูลสำ หรับในการทดลองค้นคืน ผลการทดลองแสดงให้เห็นว่า Roughness Index สามารถนำ มาใช้ร่วมกับ Clumpiness และ Miscibility เพื่อช่วยให้ผลลัพธ์จากการจัดหมวดหมู่ภาพ และ การค้นคืนภาพ มีความถูกต้อง แม่นยำ ขึ้น โดยในกรณีของการจัดหมวดหมู่ภาพนั้นเปอร์เซ็นต์ความถูกต้องนั้นเพิ่มขึ้นจาก 86.38% เป็น 87.95% และ ในกรณีของการค้นคืนภาพผลการทดลองแสดงให้เห็นว่า Roughness Index ช่วยให้เปอร์เซ็นต์ความถูกต้องของการค้นคืนเพิ่มขึ้นจาก 77% เป็น 80% เมื่อพิจารณาผลการค้นคืน ที่ 8 ภาพแรกและเพิ่มจาก 96% เป็น 98% เมื่อพิจารณาผลการสืบค้นที่ 100 ภาพแรก อีกทั้งยัง สามารถสรุปได้ว่าการใช้ Mahalanobis distance นั้นได้ผลลัพธ์ดีกว่าการใช้ Euclidean distance

Mahidol University

Address: NAKHON PATHOM

Email: liwww@mahidol.ac.th

Name: Sukanya Phongsuphap

Role: Thesis Advisors

Created: 2003

Modified: 2553-03-22

Issued: 2009-12-01

วิทยานิพนธ์/Thesis

application/pdf

ISBN: 9740432875

CallNumber: TH T167s 2003

eng

DegreeName: Master of Science

Level: Master's Degree

Descipline: Computer Science

Grantor: Mahidol University

©copyrights Mahidol University

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	4137576.pdf	16.57 MB

ใช้เวลา

-0.769798 วินาที