Efficient Color Image Segmentation using SOM and Grassfire Algorithm

SOM과 grassfire 기법을 이용한 효율적인 컬러 영상 분할

This paper proposes a computationally efficient algorithm for color image segmentation using self-organizing map(SOM) and grassfire algorithm. We reduce a computation time by decreasing the number of input neuron and input data which is used for learning at SOM. First converting input image to CIE $L^*u^*v^*$ color space and run the learning stage with the SOM-input neuron size is three and output neuron structure is 4by4 or 5by5. After learning, compute output value correspondent with input pixel and merge adjacent pixels which have same output value into segment using grassfire algorithm. The experimental results with various images show that proposed method lead to a good segmentation results than others.

본 논문에서는 self-organizing map(SOM)과 grassfire 기법을 이용한 계산 효율적인 컬러 영상 분할 방법을 제안한다. SOM에서 출력 뉴런 수를 축소하고 학습에 사용하는 입력 데이터를 줄임으로써 실행 시간을 단축 시켰다. 입력 영상을 CIE $L^*u^*v^*$ 컬러 공간으로 변환하고 3개의 입력 뉴런과 $4{\times}4$ 또는 $3{\times}3$ 출력 뉴런 구조의 SOM을 이용해 학습한다. 학습 완료 후 입력 영상의 픽셀에 대응하는 출력 값을 구하고 grassfire 기법을 이용해 지역적으로 인접하고 출력 값이 동일한 픽셀들을 하나의 영역으로 결합한다. 다양한 영상을 이용한 실험을 통해 제안한 방법이 컬러 영상 분할에서 기존의 방법에 비해 좋은 결과를 얻을 수 있음을 확인하였다.