평가함수에 의해 혼합된 다수의 분할 방법을 적용한 Visible Human컬러 영상의 분할

Integration of Multiple Segmentation Methods based on Evaluation Functions for Segmentation of Visible Human Color Images

본 논문에서는 두 가지 이상의 분할 방법을 혼합하여 분할했을 때, 분할 결과의 정확성이 전체적으로 개선되어지면서 동시에 영역 경계의 각 부분에서도 단일 분할 방법의 결과보다 향상될 수 있는 혼합형 분할 방법을 제안한다. 이 방법은 다수의 분할 방법을 순차적으로 적용하는데, 한 분할 방법에 의한 결과를 현재 방법과 다음 적용할 방법의 특성을 고려한 평가함수로 분석하여 신뢰도가 높은 부분은 유지하고, 낮은 부분들을 다음 방법들에서 개선한다. 제안된 방법을 Visible human 컬러 영상의 근육을 분할하는데 적용하였고, Balloon 방법, 최소비용경로탐색 방법, 그리고 영역 성장법이 혼합되어 사용되었다. 실험에서 얻어진 최종 분할 결과는 전체적으로 정확성이 개선되었을 뿐만 아니라, 국부적으로도 단일 분할 방법의 결과보다 향상되었음을 확인하였다.

This paper proposes an approach integrating multiple segmentation methods in a systematic way, which can improve overall accuracy without deteriorating accuracy of highly confident segments of boundaries generated by constituent methods. A segmentation method produces boundary segments, which are then evaluated with an evaluation function considering pros/cons of the current and next methods to apply. Boundary segments with low confidence are replaced by a next method while the other segments are kept. These steps are repeated until all segmentation methods are applied. The proposed approach is implemented for the segmentation of muscles in the Visible Human color images. A Balloon method, a minimum cost path finding method, and a Seeded Region Growing method are integrated. The final segmentation results showed improvements in both overall evaluation and segment-based evaluation.