한국정보전자통신기술학회논문지 (The Journal of Korea Institute of Information, Electronics, and Communication Technology)

  • 제10권2호
  • /
  • Pages.147-153
  • /
  • 2017
  • /
  • 2005-081X(pISSN)
  • /
  • 2288-9302(eISSN)
한국정보전자통신기술학회 (Korea Information Electronic Communication Technology)
권호 표지
DOI QR코드

DOI QR Code

유사 가버 특징에 기반한 텍스쳐 분류

Texture Classification Based on Gabor-like Feature

  • Son, Ji-Hoon (Department of Computer Engineering, Kumoh National Institute of Technology) ;
  • Kim, Sung-Young (Department of Computer Engineering, Kumoh National Institute of Technology)
  • 투고 : 2017.03.17
  • 심사 : 2017.04.02
  • 발행 : 2017.04.30
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

텍스쳐를 효과적으로 표현하는 것은 컴퓨터 비전 분야에서 매우 중요한 과정이다. 효과적인 텍스쳐 표현을 통해 텍스쳐 분류나 텍스쳐 분할 등의 처리 성능을 향상시킬 수 있다. 가버 필터는 텍스쳐 표현을 위해 오랫동안 사용된 다해상도 스케일 기반의 방법이다. 가버 필터는 텍스쳐 분류나 분할에 높은 성능을 제공한다. 그러나 처리 과정의 연산량으로 인해 처리 시간이 매우 많이 소요되어 실제 응용에서는 사용하기 어려운 문제가 있다. 본 논문에서는 가버 필터와 유사하게 다해상도 스케일 기반으로 텍스쳐를 표현할 수 있는 새로운 특징 표현 방법을 제안한다. 제안한 방법은 주파수 공간에서 방향과 스케일을 기반으로 다해상도 스케일 기반으로 텍스쳐를 표현한다. 2가지 실험 영상 집합에 대해 분류 실험을 수행하여 제안한 특징의 유용성을 확인하였다. 가버 필터와 유사한 분류 성능을 제공하면서 처리 속도는 가버 필터의 5%이하로 줄일 수 있는 것을 확인하였다.

Efficient texture representation is very important in computer vision fields. The performance of texture classification or/and segmentation can be improved based on efficient texture representation. Gabor filter is a representation method that has long history for texture representation based on multi-scale analysis. Gabor filter shows good performance in texture classification and segmentation but requires much processing time. In this paper, we propose new texture representation method that is also based on multi-scale analysis. The proposed representation can provide similar performance in texture classification but can reduce processing time against Gabor filter. Experimental results show good performance of our method.

키워드

참고문헌

  1. M. Petrou, P. G. Sevilla, "Dealing with Texture", Wiley, 2006.
  2. Ojala, T., Pietikainen, M.: A Comparative Study of Texture Measures with Classification based on Feature Distributions. Pattern Recognition, Vol. 29, pp. 51-59, 1996. https://doi.org/10.1016/0031-3203(95)00067-4
  3. Y. Zheng, C. Shen, and X. Huang, "Pedestrian Detection Using Center-Symmetric Local Binary Patterns," IEEE Int. Conf. Image Process., 2010.
  4. D.T. Nguyen et al., "Object Detection Using Non-Redundant Local Binary Patterns," IEEE Int. Conf. Image Process., 2010.
  5. N. Dalal and B. Triggs, "Histograms of Oriented Gradientes for Human Detection," IEEE Conf. Comput. Vision Pattern Recognit., 2005.
  6. H. Ren et al., "Fast Object Detection Using Boosted Co-occurrence Histograms of Oriented Gradients," IEEE Int. Conf. Image Process., 2010.
  7. X. Wang, T.X. Han, and S. Yan, "An HOG-LBP Human Detector with Partial Occlusion Handling," IEEE Int. Conf. Comput. Vision, 2009.
  8. P. Viola and M. Jones, "Robust Real-time Face Detection," Int. J. Comput. Vision, vol. 57, no. 2, pp. 137-154, May 2004. https://doi.org/10.1023/B:VISI.0000013087.49260.fb
  9. B.B. Manjunath, W.Y. Ma, "Texture Features for Browsing and Retrieval of Image Data", IEEE. Trans. PAMI, vol. 18, no. 8, pp. 837-842, 1996. https://doi.org/10.1109/34.531803
  10. S. Kim, J. Ko, H. Chung, "Steel Grade Classification Based on Gabor Filters and K-means Clustering", Advances in Information Technology and Computer Science, Vol. 25, pp. 54-57, 2013.
  11. Svetlana Lazebnik, Cordelia Schmid, and Jean Ponce, "A Sparse Texture Representation Using Local Affine Regions", IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 27, no. 8, pp. 1265-1278, August 2005. https://doi.org/10.1109/TPAMI.2005.151

피인용 문헌

  1. 주성분 분석법을 이용한 회귀다항식 기반 모델 및 패턴 분류기 설계 vol.10, pp.6, 2017, https://doi.org/10.17661/jkiiect.2017.10.6.594