DOI QR코드

DOI QR Code

Window Configurations Comparison Based on Statistical Edge Detection in Images

영상에서 윈도우 배치에 따른 통계적 에지검출 비교

  • Lim, Dong-Hoon (Department of Information and Statistics, Gyeongsang National University)
  • 임동훈 (경상대학교 정보통계학과)
  • Published : 2009.07.31

Abstract

In this paper we describe Wilcoxon test and T-test that are well-known in two-sample location problem for detecting edges under different window configurations. The choice of window configurations is an important factor in determining the performance and the expense of edge detectors. Our edge detectors are based on testing the mean values of local neighborhoods obtained under the edge model using an edge-height parameter. We compare three window configurations based on statistical tests in terms of qualitative measures with the edge maps and objective, quantitative measures as well as CPU time for detecting edge.

본 논문에서는 영상의 에지검출을 하는데 사용되는 여러 가지 윈도우 배치(window configurations)하에서 통계학의 이표본 위치문제(two-sample location problem)에서 대표적인 Wilcoxon 검정과 T-검정에 기초한 에지검출법에 대해 논의하고자 한다. 영상의 에지검출하는데 윈도우 배치 선택은 에지검출 성능을 결정하는 중요한 요소이다. 본 논문에서 에지는 선택된 윈도우 배치 하에서 에지-높이 모수(edge-height parameter)를 사용한 에지 모형 하에서 두 근방 영역간의 유의한 차이가 있는지를 검정함으로서 결정한다. 영상 실험에서 윈도우 배치에 따른 통계적 검정에 의한 에지검출 성능은 에지 맵(edge map)을 통한 정성적인 비교와 객관적인 척도하에서 정량적인 비교 그리고 CPU 계산시간까지 고려하여 분석하였다.

References

  1. Bovik, A. C., Huang, T. S. and Munson, D. C. (1986). Nonparametric tests for edge detection in noise, Pattern Recognition, 19, 209-219 https://doi.org/10.1016/0031-3203(86)90011-7
  2. Bovik, A. C. and Munson, D. C. (1986). Edge detection using median comparisons, Computer Vision, Graphics, and Image Processing, 33, 377-389 https://doi.org/10.1016/0734-189X(86)90184-2
  3. Bowyer, K., Kranenburg, C. and Dougherty, S. (1999). Edge detector evaluation using empirical ROC curves, 1999 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'99) 1, 354-359 https://doi.org/10.1109/CVPR.1999.786963
  4. Fesharaki, M. N and Hellestrand, G. R. (1994). A new edge detection algorithm based on a statistical approach, In Proceeding Int. Symp. Speech. Image processing and Neural Networks, Hong Kong, pp.21-24: Institute of Electrical and Electronics Enginners https://doi.org/10.1109/SIPNN.1994.344975
  5. Gonzales, R. C. and Woods, R. E. (1992). Digital image Processing, Addison-Wesley Publishing Company
  6. Hollander, M. and Wolfe, D. A. (1973). Nonparametric Statistical Methods, John Wiley & Sons, New Yrok
  7. Lim, D. H. (2006a). Robust edge detection in noisy image, Computational Statistics and Data Analysis, 50, 803-812 https://doi.org/10.1016/j.csda.2004.10.005
  8. Lim, D. H. (2006b). Robust rank-order test for edge detection in noisy image, Nonparametric Statistics, 18, 333-342 https://doi.org/10.1080/10485250600915759
  9. Lim, D. H. and Jang, S. J. (2002). Comparison of two-sample tests for edge detection in noisy images, Journal of the Royal Statistical Society Series D-The Statistician, 51, 21-30 https://doi.org/10.1111/1467-9884.00295
  10. Pratt, W. (1978). Digital Image Processing, Wiley, New York