Abstract
Finding a new set of features representing textured images is one of the most important studies in textured image analysis. This is because it is impossible to construct a perfect set of features representing every textured image, and it is inevitable to choose some relevant features which are efficient to on-going image processing jobs. This paper intends to find relevant features which are efficient to textured image segmentation. In this regards, this paper presents a different method for the segmentation of textured images based on the Gabor filter. Gabor filter is known to be a very efficient and effective tool which represents human visual system for texture analysis. Filtering a real-valued input image by the Gabor filter results in complex-valued output data defined in the spatial frequency domain. This complex value, as usual, gives the module and the phase. This paper focused its attention on the phase information, rather than the module information. In fact, the module information is considered very useful at region analysis in texture, while the phase information was considered almost of no use. But this paper shows that the phase information can also be fully useful and effective at region analysis in texture, once a good method introduced. We now propose "phase derivated method", which is an efficient and effective way to compute the useful phase information directly from the filtered value. This new method reduces effectively computing burden and widen applicable textured images.
텍스처 영상을 표현할 수 있는 새로운 특징(feature)의 개발은 텍스처 영상 연구에서 가장 중요한 분야 중 하나이다. 모든 종류의 텍스처 영상을 표현하는 완벽한 특징의 집합을 정립하는 것은 불가능하여 텍스처 영상을 분석하는 분야에 따라 적절한 텍스처 특징을 사용하여야 하기 때문이다. 본 논문의 첫 번째 연구 목적은 텍스처 영상을 분할하는데 유용한 새로운 텍스처 특징을 찾아내는 것이다. 실험 텍스처를 통해 본 논문에서 제안하는 새로운 특징의 영상 분할에서의 유용성 검증도 제시하였다. 한편 본 논문에서 제안한 텍스처 특징은 페이즈의 미분 데이터이다. 페이즈 정보는 텍스처에 가버 함수를 필터로 적용한 결과 영상으로부터 구해지는데, 페이즈 정보는 지금까지 텍스처 특징으로 사용하기에는 적절하지 않다고 알려져 왔으며 관련 연구도 미미한 상태이다. 그 이유는 페이즈 정보를 계산하는 방법으로 역탄젠트 오퍼레이터를 적용하여 구하는데, 이렇게 구한 페이즈 값은 $-{\pi}/2$와 ${\pi}/2$ 범위에서 정의 되는 불연속 값들이기 때문이다. 이러한 불연속적인 페이즈 데이터는 텍스처에 대한 정보를 적절하게 표현하지 못하고 왜곡된 정보를 만든다. 물론 불연속적인 페이즈 데이터를 연속적인 페이즈 데이터로 변환하는 언랩핑은 이론적으로는 불연속의 문제를 해결하지만 실제적인 적용에서는 문제점을 노출시킨다. 즉 실수와 허수 부문이 모두 0인 지점을 중심으로 페이즈 불연속을 해결하는 과정에 따라 상이한 페이즈 데이터의 값들이 도출되어 정보가 왜곡된다. 본 논문의 두 번째 연구 목적은 이러한 단점을 근본적으로 회피하는 다른 방법을 찾는 것이다. 본 연구에서 제안하는 새로운 방법은 불연속적인 페이즈를 왜곡되고 복잡한 언래핑을 거치지 않고 바로 미분함으로써 영상분할에 필요한 데이터를 도출하는 것이다. 페이즈 미분 방식은페이즈 언랩핑 절차를 필요로 하지 않기 때문에 언랩핑의 왜곡을 회피하고, 알고리즘이 매우 간단해지며, 가버함수에 적용하는 필터도 자유롭게 선택할 수 있다는 장점을 가진다. 본 논문에서는 제시하는 방법의 유용성을 검증하기 위해 가버 필터를 적용하여 도출된 결과 영상으로부터 새롭게 제시한 방법으로 계산한 페이즈로 구성된 특징 벡터를 구해 텍스처 영상의 분할에 이용하였다. 실험 결과를통해 본 논문에서 제시한 새로운 방식이 텍스처 영상분할에 필요한 유용한 정보를 생성하는 것을 확인할 수 있었다.