Image Segmentation Based on Fusion of Range and Intensity Images

거리영상과 밝기영상의 fusion을 이용한 영상분할

This paper proposes an image segmentation algorithm based on fusion of range and intensity images. Based on Bayesian theory, a priori knowledge is encoded by the Markov random field (MRF). A maximum a posteriori (MAP) estimator is constructed using the features extracted from range and intensity images. Objects are approximated by local planar surfaces in range images, and the parametric space is constructed with the surface parameters estimated pixelwise. In intensity images the ${\alpha}$-trimmed variance constructs the intensity feature. An image is segmented by optimizing the MAP estimator that is constructed using a likelihood function based on edge information. Computer simulation results shw that the proposed fusion algorithm effectively segments the images independentl of shadow, noise, and light-blurring.

본 논문에서는 거리영상과 발기영상의 fusion을 이용한 영상분할을 제안한다. Bayes 이론을 기반으로 하여 Markov random field (MRF)로 선험적인 정보를 모델링한다. 거리영상과 밝기영상에서 추출한 특징을 이용하여 maximum a posteriori (MAP) 추정기를 구성한다. 거리영상에서 물체는 국부적인 평면으로 근사되어 각 점마다 평면 계수를 추정해 계수 공간을 구성한다. 밝기영상에서는 ${\alpha}$ 트림드 (${\alpha}$-trimmed) 분산이 밝기특성을 구성한다. 각 공간상의 특징을 에지에 대한 likelihood를 설정하여 구성된 MAP 추정기를 최적화함으로써 영상을 분할한다. 모의실험을 통해 제안된 구조가 그림자, 잡음 그리고 광원의 blurring에 관계없이 영상을 잘 분할한 것을 보였다.