본 논문에서는 BOW(Bag-of-Words)기반의 근-복사 이미지 검출 시 정확도 개선을 위하여 영역 기반의 후-검증 방법을 제안한다. BOW는 이미지를 로컬 특징들의 집합으로 추상화 하며, 최근 근-복사 이미지 검출 문제에 대하여 가장 많이 사용되는 방법이지만, 양자화 에러와 로컬 특징간의 관계 무시로 인해 정확도에 한계가 있다. 이러한 문제를 개선하기 위하여 오리엔트나 스케일의 일관성을 이용하는 후-검증 방법이 주로 연구되고 있다. 하지만 이러한 방법들은 유사 객체 검색 시 효과적이지만, 전체 영상의 근-복사 여부를 검출해야 하는 경우에는 적합하지 않다. 따라서 본 논문에서는 근-복사 이미지 검출에 적합한 후-검증을 위하여 영상의 로컬 특징 주변 영역의 특성을 이용 하는 후-검증 방법을 제안한다. 제안하는 방법은 로컬 특징 주변 영역의 일관성을 이용하는 방법으로써, 로컬 특징 영역과 주변 영역의 밝기 차이를 이진화 하여 표현한다. 따라서 밝기 대조 변화에도 강건하며 이진 비트 스트링으로 표현하기 때문에 해밍-거리를 통해서 빠르게 비교 검색할 수 있어 효율성에도 유리하다. 다양한 이미지 데이터 셋에 대하여 제안하는 방법을 실험한 결과, 정확도는 기존의 후-검증 방법에 비하여 정확도가 0.03 향상되었으며 수행 시간은 83ms로 빠르게 검증하였다.
In this thesis, we propose a region-based post-verification method for improvement of accuracy in a BOW (Bag-of-Words) based near-duplicate image detection. BOW is a method that it abstracts image into a set of local features and successfully employed for the near-duplicate image detection problems in recent. However, it has some limitations such as vector quantization error or ignorance of relationship among local features. For these problems, various post-verification methods, which often use consistency of orientation or scale of local features, is mainly studied. But the majority of existed approaches are focused on similar object search and near-duplicate, and not suitable to image detection problems that should detect a coping of whole image region. So we present an approach using a feature of regions around a local feature for the post-verification problem of BOW based near-duplicate image detection. Our method takes advantage of consistencies of differences between local feature regions and its surrounding areas. The differences are represented as a bit string so that it is possible to verify candidates of BOWS robustly against brightness or contrast modifications as well as efficiently. In our experiments using various datasets, accuracy has been improved as 0.03 in comparison with the conventional Post-Verification method. In addition, this method verify very quickly as 83ms.