| 1 |
1
(a) 감성 기반의 이미지 선택 장치에서, 쿼리에 대응하는 검색 이미지들 각각의 감성 특징을 추출하는 단계;(b) 감성 기반의 이미지 선택 장치에서, 상기 감성 특징에 기초하여 복수의 이미지 클러스터를 형성하는 단계;(c) 감성 기반의 이미지 선택 장치에서, 상기 복수의 이미지 클러스터의 랭킹을 산출하는 단계;(d) 감성 기반의 이미지 선택 장치에서, 기설정된 클러스터 랭킹에 속하는 이미지 클러스터에 포함된 이미지들 중 대표 이미지를 추출하는 단계; 및(e) 감성 기반의 이미지 선택 장치에서, 상기 추출된 대표 이미지를 출력하는 단계,를 포함하고,상기 (c) 단계는, 상기 복수의 이미지 클러스터 각각에 대하여 복수의 특성값을 계산하고, 상기 계산된 특성값에 기초하여 이미지 클러스터의 랭킹을 산출하며,상기 (d) 단계는, 상기 기설정된 클러스터 랭킹에 속하는 이미지 클러스터에 포함된 각 이미지와 상기 이미지 클러스터의 중심 간의 유클리드 거리 값 및 각 이미지로부터 미리 정의된 거리 내의 이미지의 수에 기초하여 상기 대표 이미지를 추출하되, 상기 기설정된 클러스터 랭킹에 속하는 이미지 클러스터 각각에서 추출되는 대표 이미지의 수를 상기 이미지 클러스터 각각의 랭킹 순위에 비례하게 결정하는 것인, 감성 기반의 이미지 선택 방법
|
| 2 |
2
제1항에 있어서,상기 (a) 단계는,(a1) 상기 검색 이미지들 각각에 대하여, 평균 이동(Mean-shift) 클러스터링에 기초하여 이미지를 복수의 영역으로 분할하는 단계;(a2) 상기 분할된 복수의 영역 각각에 대하여 산출된 중요도 값(importance value)에 기초하여 상기 분할된 복수의 영역 중 M 개의 시드 영역을 추출하는 단계;(a3)상기 M개의 시드 영역의 컬러 정보와 상기 M개의 시드 영역의 각각에 인접한 복수의 영역의 컬러 정보를 이용하여 복수의 컬러 조합(color compositions)을 추출하는 단계; 및(a4) 확률 기반의 잠재적 의미 분석(Probabilistic Latent Semantic Analysis, PLSA)을 기반으로 하여, 상기 복수의 컬러 조합을 이용하여 상기 검색 이미지들 각각의 감성 벡터를 계산하는 단계,를 포함하는 것인, 감성 기반의 이미지 선택 방법
|
| 3 |
3
제2항에 있어서,상기 (b) 단계는, 상기 검색 이미지들 각각에 대하여 산출된 감성 벡터에 기초하여 k-평균 클러스터링(k-means Clustering)을 수행함으로써 상기 복수의 이미지 클러스터를 형성하는 것인, 감성 기반의 이미지 선택 방법
|
| 4 |
4
제3항에 있어서,상기 (c) 단계는,각 특성값의 가중치에 더 기초하여 이미지 클러스터의 랭킹을 산출하는 것인, 감성 기반의 이미지 선택 방법
|
| 5 |
5
제4항에 있어서,상기 복수의 특성값은, 상기 이미지 클러스터에 포함된 이미지의 수를 고려한 커버리지(Coverage) 값, 상기 커버리지 값 및 클러스터 분산을 이용한 감성 일관성(affective coherence) 값 및 복수의 이미지 클러스터 간의 거리를 고려한 구별도(distinctiveness) 값을 포함하는 것인, 감성 기반의 이미지 선택 방법
|
| 6 |
6
제1항에 있어서,상기 (d) 단계는,상기 이미지 클러스터에 포함된 이미지들에 대한 이미지 랭킹을 산출하고, 기설정된 이미지 랭킹에 속하는 이미지를 상기 대표 이미지로서 추출하는 것인, 감성 기반의 이미지 선택 방법
|
| 7 |
7
제6항에 있어서,상기 (d) 단계는,상기 대표 이미지 추출시 L2-norm을 이용하여 상기 기설정된 이미지 랭킹에 속하는 이미지 간에 거리값을 계산한 후 기설정된 거리값 이하를 갖는 이미지를 중복 이미지로 판단하여 제거하는 것인, 감성 기반의 이미지 선택 방법
|
| 8 |
8
쿼리에 대응하는 검색 이미지들 각각의 감성 특징을 추출하는 감성 특징 추출부;상기 감성 특징에 기초하여 복수의 이미지 클러스터를 형성하는 이미지 클러스터 형성부; 상기 복수의 이미지 클러스터의 랭킹을 산출하는 클러스터 랭킹 산출부;기설정된 클러스터 랭킹에 속하는 이미지 클러스터에 포함된 이미지들 중 대표 이미지를 추출하는 이미지 추출부; 및상기 추출된 대표 이미지를 출력하는 출력부,를 포함하고,상기 클러스터 랭킹 산출부는, 상기 복수의 이미지 클러스터 각각에 대하여 복수의 특성값을 계산하고, 상기 계산된 특성값에 기초하여 이미지 클러스터의 랭킹을 산출하며,상기 이미지 추출부는, 상기 기설정된 클러스터 랭킹에 속하는 이미지 클러스터에 포함된 각 이미지와 상기 이미지 클러스터의 중심 간의 유클리드 거리 값 및 각 이미지로부터 미리 정의된 거리 내의 이미지의 수에 기초하여 상기 대표 이미지를 추출하되, 상기 기설정된 클러스터 랭킹에 속하는 이미지 클러스터 각각에서 추출되는 대표 이미지의 수를 상기 이미지 클러스터 각각의 랭킹 순위에 비례하게 결정하는 것인, 감성 기반의 이미지 선택 장치
|
| 9 |
9
제8항에 있어서,상기 감성 특징 추출부는,상기 검색 이미지들 각각에 대하여, 평균 이동(Mean-shift) 클러스터링에 기초하여 이미지를 복수의 영역으로 분할하고,상기 분할된 복수의 영역 각각에 대하여 산출된 중요도 값(importance value)에 기초하여 상기 분할된 복수의 영역 중 M 개의 시드 영역을 추출하고,상기 M개의 시드 영역의 컬러 정보와 상기 M개의 시드 영역의 각각에 인접한 복수의 영역의 컬러 정보를 이용하여 복수의 컬러 조합(color compositions)을 추출하고,확률 기반의 잠재적 의미 분석(Probabilistic Latent Semantic Analysis, PLSA)을 기반으로 하여, 상기 복수의 컬러 조합을 이용하여 상기 검색 이미지들 각각의 감성 벡터를 계산하는 것인, 감성 기반의 이미지 선택 장치
|
| 10 |
10
제9항에 있어서,상기 이미지 클러스터 형성부는,상기 검색 이미지들 각각에 대하여 산출된 감성 벡터에 기초하여 k-평균 클러스터링(k-means Clustering)을 수행함으로써 상기 복수의 이미지 클러스터를 형성하는 것인, 감성 기반의 이미지 선택 장치
|
| 11 |
11
제10항에 있어서,상기 클러스터 랭킹 산출부는,각 특성값의 가중치에 더 기초하여 이미지 클러스터의 랭킹을 산출하는 것인, 감성 기반의 이미지 선택 장치
|
| 12 |
12
제11항에 있어서,상기 복수의 특성값은, 상기 이미지 클러스터에 포함된 이미지의 수를 고려한 커버리지(Coverage) 값, 상기 커버리지 값 및 클러스터 분산을 이용한 감성 일관성(affective coherence) 값 및 복수의 이미지 클러스터 간의 거리를 고려한 구별도(distinctiveness) 값을 포함하는 것인, 감성 기반의 이미지 선택 장치
|
| 13 |
13
제8항에 있어서,상기 이미지 추출부는,상기 이미지 클러스터에 포함된 이미지들에 대한 이미지 랭킹을 산출하고, 기설정된 이미지 랭킹에 속하는 이미지를 상기 대표 이미지로서 추출하는 것인, 감성 기반의 이미지 선택 장치
|
| 14 |
14
제13항에 있어서,상기 이미지 추출부는,상기 대표 이미지 추출시 L2-norm을 이용하여 상기 기설정된 이미지 랭킹에 속하는 이미지 간에 거리값을 계산한 후 기설정된 거리값 이하를 갖는 이미지를 중복 이미지로 판단하여 제거하는 것인, 감성 기반의 이미지 선택 장치
|
| 15 |
15
제1항 내지 제7항 중 어느 한 항의 방법을 컴퓨터에서 실행하기 위한 프로그램을 기록한 컴퓨터에서 판독 가능한 기록매체
|
