전자공학회논문지CI (Journal of the Institute of Electronics Engineers of Korea CI)

대한전자공학회 (The Institute of Electronics and Information Engineers)
권호 표지

안정화된 역 확산 방정식을 사용한 다중해상도 영상 분할 기법

A Multiresolution Image Segmentation Method using Stabilized Inverse Diffusion Equation

  • 이웅희 (인하대학교 전자공학과) ;
  • 김태희 (한국전자통신연구원 전파방송연구소) ;
  • 정동석 (인하대학교 전자공학과)
  • 발행 : 2004.01.01
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

영상 분할은 영상을 의미 있는 영역들로 분할하기 위한 기법으로 컴퓨터 비전과 영상 처리 분야에서 중요하게 다루어져 왔다. 또한 영상 분할은 MPEG-4 비디오 표준과 같은 객체 기반 동영상 압축 분야에서도 영상에서 객체 영역을 분할하기 위해 많이 사용된다. 보다 정확한 영역 경계를 얻기 위해 Watershed 알고리즘이 많은 분야에서 적용되고 있다. 그러나 Watershed 알고리즘은 영상내의 경계선 잡음에 매우 취약하고 과분할된 결과가 나타난다고 알려져 있다. 이러한 문제를 해결하기 위해 본 논문에서는 안정화된 역 확산 방정식(Stabilized Inverse Diffusion Equation : SIDE)을 사용하여 잡음에 강인한 분할 특성을 가지면서 다중해상도 접근 방식을 통해 효율도 향상시키는 영상 분할 기법을 제안한다. 또한 본 논문에서는 인접 영역의 레이블을 사용한 영역 투영법과 영역 인접 그래프(Region Adjacency Graph : RAG)를 사용한 영역 병합법도 사용하였다. 제안된 기법을 잡음이 포함된 영상의 분할에 적용시킨 결과 과분할을 감소시키고 분할 효율이 개선됨을 확인할 수 있었다.

Image segmentation is the task which partitions the image into meaningful regions and considered to be one of the most important steps in computer vision and image processing. Image segmentation is also widely used in object-based video compression such as MPEG-4 to extract out the object regions from the given frame. Watershed algorithm is frequently used to obtain the more accurate region boundaries. But, it is well known that the watershed algorithm is extremely sensitive to gradient noise and usually results in oversegmentation. To solve such a problem, we propose an image segmentation method which is robust to noise by using stabilized inverse diffusion equation (SIDE) and is more efficient in segmentation by employing multiresolution approach. In this paper, we apply both the region projection method using labels of adjacent regions and the region merging method based on region adjacency graph (RAG). Experimental results on noisy image show that the oversegmenation is reduced and segmentation efficiency is increased.

키워드

참고문헌

  1. I. Vanhamel, I. Pratikakis and H. Shli, 'Multiscale Gradient Watersheds of Color Images,' IEEE Trans. on Image Processing, vol. 12, no. 6, pp. 617-625, June 2003 https://doi.org/10.1109/TIP.2003.811490
  2. N. R. Pal and S. K. Pal, 'A review on image segmentation techniques,' PatternRecognition, vol. 26, no. 9, pp. 1277-1294, Mar. 1993 https://doi.org/10.1016/0031-3203(93)90135-J
  3. L. Vincent and P. Soille, 'Watersheds in Digital Spaces : An Efficient Algorithm based on Immersion Simulations,' PAMI. 13, no. 6, pp 583-589, 1991 https://doi.org/10.1109/34.87344
  4. Y. Tsaig and A. Averbuch, 'Automatic segmentation of moving objects in video sequences: A region labeling approach,' IEEE Trans. on Circuits and Syst. Video Technol., vol. 12, no. 7, pp. 597-612, July 2002 https://doi.org/10.1109/TCSVT.2002.800513
  5. D. Wang, 'Unsupervised video segmentation based on watersheds and temporal tracking,' IEEE Trans. on Circuit and Syst. Video Technol., vol. 8, no. 5, pp. 539-546, Sept. 1998 https://doi.org/10.1109/76.718501
  6. P. Perona and J. Malik, https://doi.org/10.1109/34.56205
  7. D. Tschumperle, and R. Deriche, 'Diffusion PDEs on vector-valued images,' IEEE Signal Processing Magazine, vol. 19, no. 5, pp. 16-25, Sept. 2002 https://doi.org/10.1109/MSP.2002.1028349
  8. I. Pollak, 'Segmentation and restoration via nonlinear multiscale filtering,' IEEE Signal Processing Mag., vol. 19, pp. 26-36, Sept. 2002 https://doi.org/10.1109/MSP.2002.1028350
  9. I. Pollak, 'Image segmentation and edge enhancement with stabilized inverse diffusion equations,' IEEE Trans. on Image Processing, vol. 9, no. 2, pp. 256-266, Feb. 2000 https://doi.org/10.1109/83.821738
  10. R. C. Gonzalez and R. E. Woods, Digital Image Processing 2nd, Prentice Hall, 2002